TS

Probabilités conditionnelles

Une histoire de cartes

On tire une carte au hasard dans un jeu de 32 cartes (on considère que tous les tirages sont
équiprobables).
On considère les événements :
• A : « La carte tirée est un Cœur »
• B : « La carte tirée est un habillé (Valet, Dame ou Roi) rouge (Cœur ou Carreau) »
• C : « La carte tirée est un As »

A B C
7ª 8ª 9ª 10ª Vª Dª Rª Aª
7© 8© 9© 10© V© D© R© A©
7« 8« 9« 10« V« D« R« A«
7¨ 8¨ 9¨ 10¨ V¨ D¨ R¨ A¨

8 6 4 1
On a : P(A) = P(B ) = P(C ) = =
32 32 32 8
3 1
Ainsi que : P(A ∩ B ) = P(A ∩C ) =
32 32
Supposons maintenant que l’on sait que A s’est réalisé.
Intéressons-nous à la probabilité de B :
• Les cas possibles sont maintenant uniquement les éléments de A.
• Les cas favorables à la réalisation de B sont maintenant uniquement ceux qui appar-
tiennent à A : A ∩ B = {Vª , Dª , Rª}.
• Dans ce cas la probabilité de B , notée P A (B ), est donc 38 .
à 3 !
P(A ∩ B )
• On remarque que P A (B ) = = 328
.
P(A) 32

Remarque 0.1
• Le fait que l’on sache que l’événement A s’est réalisé, peut changer la probabilité de
l’événement B
• Si on sait que A s’est réalisé, la probabilité de B se note P A (B ), et se lit : « Probabilité de
B sachant A »
• on a :
P(A ∩ B )
P A (B ) =
P(A)
• On a alors :
P(A ∩ B ) = P(A) × P A (B )

maths.muller@gmail.com P ROBABILITÉS CONDITIONNELLES 1/5

Supposons toujours que l’on sait que A s’est réalisé et intéressons-nous à la probabilité de
C sachant A :
1
P(A ∩C ) 32 1
• P A (C ) = = 8 =
P(A) 32
8
• On remarque qu’alors P A (C ) = P(C ).
• Dans ce cas le fait de savoir que A s’est réalisé n’a pas d’incidence sur la probabilité de
réalisation de C .
• On dit que les événements A et C sont indépendants.
• On a alors µ ¶
8 4
P(A ∩C ) = P(A) × P(C ) = ×
32 32

1 Probabilité conditionnelle

1.1 Définition et propriétés

Définition 1.1
Soit P une probabilité sur un univers Ω et A un événement tel que P(A) 6= 0.
Pour tout événement B , on appelle probabilité de B sachant A le réel :

P(A ∩ B )
P A (B ) =
P(A)

Théorème 1.1
L’application qui, à tout événement B de Ω, associe le réel P A (B ) définit une probabilité
sur Ω, appelée probabilité conditionnelle sachant A.

Propriété 1.1
Soit A un événement de probabilité non nulle et B un événement quelconque de Ω. Alors
on a :
1) P(A ∩ B ) = P(A) × P A (B )
2) P A (A) = 1
3) Si A et B sont incompatibles, alors P A (B ) = 0.
4) P A (B ) = 1 − P A (B )

Remarque 1.1
Chacune de ces propriétés appelle une remarque :
1) Cette égalité est fondamentale. Elle découle immédiatement de la définition de P A (B ).
2) Si on sait que A est réalisé, A devient l’événement certain.
3) Si A et B sont incompatibles, B ne peut pas se réaliser sachant que A, lui, s’est réalisé.
4) P A étant une probabilité, c’est la formule classique qui donne la probabilité de l’évé-
nement contraire.

maths.muller@gmail.com P ROBABILITÉS CONDITIONNELLES 2/5

1.2 Probabilité conditionnelle et arbre pondéré
Pour modéliser une situation de probabilités conditionnelles, on utilise souvent un « arbre
pondéré », dans lequel s’applique le principe multiplicatif P(A ∩ B ) = P(A) × P A (B ).

Exemple 1.1
Un jeu vidéo propose des parties de deux niveaux. Au lancement d’une partie le jeu choisit
lui-même :
2
• le niveau 1 (événement N1 ), avec une probabilité de
3
1
• le niveau 2 (événement N2 ), avec une probabilité de
3
3
La probabilité qu’un joueur gagne une partie sachant qu’elle est de niveau 1 est de ,
4
2
sachant qu’elle est de niveau 2 est de .
5
On note G l’événement « le joueur gagne la partie », et G son événement contraire.
On peut traduire mathématiquement les données de l’énoncé de la façon suivante :
2 1
• P(N1 ) = et P(N2 ) =
3 3
3 2
• PN1 (G) = et PN2 (G) =
4 5
On peut modéliser une telle situation à l’aide de l’arbre pondéré ci-dessous :

3 2 3 1
(G )= 4 G P(N1 ∩G) = × =
PN1 3 4 2
2 N1
)= 3
1 2 1 1
P(N PN (G
1 )= 1 G P(N1 ∩G) = × =
4 3 4 6

2 1 2 2
P(N G ) = G P(N2 ∩G) = × =
P N 2( 5
3 5 15
2) = 1
3 N2

PN (G 1 3 1
2 )= 3 G P(N2 ∩G) = × =
5 3 5 5
2 3 1
On lit par exemple : P(N1 ∩G) = P(N1 ) × PN1 (G) = × =
3 4 2

maths.muller@gmail.com P ROBABILITÉS CONDITIONNELLES 3/5

1.3 Probabilités totales
Définition 1.2
Soit n un entier naturel et A 1 , A 2 ,... ,A n n événements de Ω de probabilités non nulles.
On dit que A 1 , A 2 ,... ,A n forment une partition (ou une système complet d’événements)
de Ω s’ils sont deux à deux disjoints et si leur réunion est Ω.

Remarque 1.2
Une partition de Ω est une sorte de « puzzle »qui recouvre tout Ω et dans lequel deux pièces
différentes ne se recouvrent pas.

Exemple 1.2 (Exemple fondamental)

Soit A un événement de Ω de probabilité non nulle, alors A et A forment une partition de
Ω.
Théorème 1.2 (Formule des probabilités totales)
Soit A 1 , A 2 ,... ,A n une partition de Ω. Alors, pour tout événement B :

P(B ) = P (A 1 ∩ B ) + P (A 2 ∩ B ) + . . . + P (A n ∩ B )
P(B ) = P(A 1 ) × P A 1 (B ) + P(A 2 ) × P A 2 (B ) + . . . + P(A n ) × P A n (B )

An A1 Ω
An ∩ B A1 ∩ B B
... A2 ∩ B
... A2

Remarque 1.3
En particulier, on a toujours :

P(B ) = P(A ∩ B ) + P(A ∩ B )

Exemple 1.3
Reprenons l’exemple 1.1 du jeu vidéo :
N1 et N2 forment une partition de Ω.
La probabilité que le joueur gagne est donc :
1 2 19
P(G) = P(N1 ∩G) + P(N2 ∩G) = + =
2 15 30

maths.muller@gmail.com P ROBABILITÉS CONDITIONNELLES 4/5

2 Indépendance de deux événements
Définition 2.1
On dit que deux événements A et B sont indépendants si :

P (A ∩ B ) = P(A) × P(B )

Remarque 2.1
• La notion d’indépendance dépend de la probabilité choisie sur Ω : deux événements
indépendants pour une une probabilité P donnée ne le seront peut-être pas pour une
autre probabilité sur Ω.
• Attention à ne pas confondre deux événements indépendants et deux événements in-
compatibles :
Deux événements incompatibles de probabilités non nulles ne peuvent pas être indé-
pendants (pourquoi ?).

Propriété 2.1
Si P(A) 6= 0,
A et B sont indépendants si, et seulement si,

P A (B ) = P(B )

Remarque 2.2
Cette propriété, qui découle immédiatement de la définition de P A (B ), peut s’interpré-
ter en disant que deux événements sont indépendants si la réalisation de l’un n’a aucune
incidence sur la réalisation de l’autre.
Propriété 2.2
Si A et B sont indépendants, alors A et B le sont aussi.

Démonstration (démo Bac) 2.1

Comme A et B sont indépendants, P (A ∩ B ) = P(A) × P(B ).
A et A forment une partition de Ω donc, d’après la formule des probabilités totales ,
P(B ) = P(A ∩ B ) + P(A ∩ B ).
D’où : ¡ ¢
P(A ∩ B ) = P(B ) − P(A ∩ B ) = P(B ) − P(A) × P(B ) = 1 − P(A) P(B ) = P(A) × P(B )
Donc A et B sont indépendants.

Remarque 2.3
Si A et B sont indépendants,alors A et B les ont aussi, ainsi que A et B .

maths.muller@gmail.com P ROBABILITÉS CONDITIONNELLES 5/5