Vous êtes sur la page 1sur 6

Chapitre 3 : Probabilités conditionnelles et indépendance

I. Probabilité conditionnelle
L’univers Ω désigne l’ensemble des issues d’une expérience aléatoire et P une loi de probabilité sur Ω.
Les événements considérés sont des événements de cette expérience aléatoire.

Définition
Soit A et B deux événements avec P(A) ≠ 0.
La probabilité que l'événement B se réalise sachant que l'événement A est réalisé est notée PA (B).

Elle est définie par :


P (A∩B)
P A ( B)=
P (A)

PA (B) se lit : « probabilité de B sachant que A est réalisé » ou « probabilité de B sachant A ».

B univers Ω
A∩B
A

Remarques :
On définit ici une nouvelle loi de probabilité, dite conditionnelle, sur Ω que l'on note PA.
Toutes les propriétés d'une loi de probabilité et les règles de calculs déjà vues restent valables.
En particulier, quel que soit l'événement B :
0≤P A (B)≤1 et P A ( B)+ P A ( B̄)=1 où B̄ est l'événement contraire de B.

Propriété
Si PA (B) et P (A) sont connues, la probabilité de l'intersection des deux événements A et B est :

P (A∩B)= P (A)× P A (B)

Remarques :
P (A∩B)
Si P(B) ≠ 0, on peut définir de même : P B ( A)= .
P (B)
On peut aussi déterminer cette même probabilité de l'intersection des deux événements A et B si PB (A)
et P (B) sont connues :
P (A∩B)= P (B)×P B ( A) .

D'où cette dernière égalité qui peut être utile si une de ces quatre probabilités est à déterminer en
connaissant les trois autres :
P (A)× P A (B)=P (B)× P B (A) .
Remarque :
Un tableau à double entrée permet de déterminer des probabilités conditionnelles.

A Ā Total
B P (A∩B) P ( Ā∩B) P (B)
B̄ P (A∩ B̄) P ( Ā∩ B̄) P ( B̄)
Total P (A) P ( Ā) 1

P A ( B) est alors le quotient des valeurs de P (A∩B) et de P (A) lues dans le tableau.

Exemple :
Un sachet de 100 bonbons contient 40 bonbons acidulés, les autres bonbons sont des guimauves.
18 des guimauves sont au parfum orange et 10 bonbons sont acidulés et au parfum orange.
Les bonbons qui ne sont pas au parfum orange sont à la fraise.
On choisit un bonbon au hasard dans ce sachet. On note :
• A : l'événement « le bonbon est acidulé »,
• G : l'événement « le bonbon est une guimauve »,
• F : l'événement « le bonbon est au parfum fraise »,
• O : l'événement « le bonbon est au parfum orange ».

De l'énoncé découle immédiatement la probabilité des événements A, G, et A∩O :

40 60 10
P (A)= =0,4 P (G)= =0,6 P (A∩O)= =0,1
100 100 100

De plus, comme 18 des guimauves sont au parfum orange, on en déduit également une probabilité
conditionnelle : la probabilité de l'événement O sachant l'événement G :

18
P G (O)= =0,3
60

A partir de ces données, on peut en déduire la probabilité d'autres événements :

• la probabilité que le bonbon choisit au hasard dans ce sachet soit un bonbon au parfum orange
sachant qu'il est acidulé :

P (A∩O) 0,1
P A (O)= = =0,25
P( A) 0,4

• la probabilité que le bonbon choisit au hasard dans ce sachet soit une guimauve et au parfum
orange :

P (G∩O)=P (G)× P G (O)=0,6×0,3=0,18 .


II. Arbre pondéré et calculs de probabilités

1) Arbre pondéré
Dans certains cas, il est utile de modéliser une expérience aléatoire par un arbre.
On parle alors d'un arbre pondéré ou arbre de probabilités.

Exemple :
Reprenons l'exemple précédent du sachet de bonbons, qui peut être modélisé par l'arbre pondéré
suivant :
O
Guimauve et à l'orange : G∩O
(orange)
G
P(G) = 0,6 (guimauve) F
PG(F) (fraise)
B
(bonbon)
O
(orange)
P(A) = A P(A∩O) =
(acidulé) F
P....(F) (fraise)

Le deuxième niveau de l'arbre indique les parfums possibles sachant le type de bonbon.
Ce sont les probabilités conditionnelles de l'événement F ou O sachant l'événement ….. ou ….. .

Chaque succession de branches, appelée chemin, aboutit à une feuille.


Cet arbre a donc quatre feuilles qui sont les événements : G∩O, …......, …...... et …...... .
A côté ou en dessous de chaque feuille, on indique la probabilité correspondante.

Remarque : dans cet exemple, les feuilles sont sur un même niveau, ce qui n’est pas toujours le cas.

2) Propriétés
Généralement, les données dont on dispose ne permettent pas d’indiquer immédiatement sur toutes les
branches d’un arbre ou à côté des feuilles les probabilités correspondantes.
Pour les déterminer, on a recours aux règles suivantes :
Propriétés des arbres

• La probabilité d'une feuille est le produit des probabilités indiquées sur les branches du chemin
qui aboutit à cette feuille.

• La somme des probabilités indiquées sur les branches issues d'un même nœud est égale à 1.

• Formule des probabilités totales :


La probabilité d'un événement associé à plusieurs feuilles est égale à la somme des
probabilités de chacune de ces feuilles.

Cette formule permet, une fois l’arbre pondéré complété, de déterminer la probabilité d’un événement
qui ne peut pas être lue directement sur l’arbre pondéré.
Exemple :
Une fois l'arbre dûment complété, on peut déterminer la probabilité que le bonbon choisi au hasard soit
à la fraise grâce à la formule des probabilités totales.
L'événement F est associé à la feuille A∩F et à la feuille …......... .
Par la formule des probabilités totales :

P(F) = P(A∩F) + …........


P(F) = …......… (0,3) + …........ (0,42) = ….........

La probabilité qu'un bonbon choisi au hasard dans le sachet soit à la fraise est de …...... . (0,72)

Remarque : deux événements sont dits incompatibles si leur intersection est vide.

3) Partition de l’univers
Définition
Soit n (avec n ∈ℕ et n⩾2 ) événements de probabilités non nulles A1, A2, …, An.
Ces événements forment une partition de l’univers Ω (ou un système complet d’événements) si :

• ils sont disjoints deux à deux, c’est-à-dire que Ai ∩A j =∅ si i≠ j  ;


• A1∪A 2∪...∪A n=Ω .

Pour n = 4

Remarque : un événement A et son événement contraire Ā forment une partition de l’univers Ω.

Propriété
On peut construire des arbres pondérés avec plus de deux branches partant d’un même nœud tant que
tous les événements « reliés à un même nœud » forment une partition de l’univers.

Exemple :
Soit A1, A2 et A3 formant une partition de l’univers.
Dans l’arbre ci-contre, les événements reliés à un même nœud (A1, A2 et A3 d’une part et B et B̄ d’autre
part) forment des partitions de l’univers.
C’est donc bien un arbre pondéré.
III. Indépendance de deux événements

1) Événements indépendants
Dans l’ensemble E des issues d’une expérience aléatoire, on considère deux événements A et B de
probabilité non nulle. Si P A ( B)= P (B) , c’est-à-dire si la réalisation ou non de l’événement A n’a pas
d’incidence sur la probabilité de réalisation de l’événement B, on dit que l’événement B est
indépendant de l’événement A.

Supposons que ce soit le cas, c’est-à-dire que P A ( B)= P (B) , alors on a :

P( A∩B) P (A∩B)
P A ( B)= P (B)⇔ = P( B)⇔ P (A∩B)=P (A)× P( B)⇔ = P (A) ,
P (A) P( B)
soit P B ( A)= P (A) , ce qui signifie que l’événement A est indépendant de l’événement B.

On en déduit que B est indépendant de A si, et seulement si, A est indépendant de B.

Propriétés
Soit A et B deux événements de probabilité non nulle. Alors, les propriétés suivantes sont
équivalentes :
(1) P A ( B)= P (B) (2) P B ( A)= P (A) (3) P (A∩B)= P (A)× P(B)

Définition
Deux événements A et B sont indépendants si, et seulement si : P (A∩B)= P (A)× P(B) .

Remarque : il ne faut pas confondre « A et B indépendants » et « A et B incompatibles ».


Pour rappel, dire que A et B sont incompatibles signifie que leur intersection est vide.

Exemple :
Soit deux événements A et B liés à une expérience aléatoire.
Les informations connues sur ces événements sont dans le tableau ci-dessous.
A Ā Total
B 0,3 0,1 0,4
B̄ 0,45 0,15 0,6
Total 0,75 0,25 1

Étudions l’indépendance des événements A et B.


On peut lire que : P (A∩B)=0,3 .
On vérifie que P (A)× P( B)=0,75×0,4=0,3 .
L’égalité P (A∩B)= P (A)× P(B) montre que les événements A et B sont indépendants.

Autre méthode
P (A∩B) 0,3
On peut calculer P B ( A)= = =0,75 et vérifier que P B ( A)= P (A) .
P (B) 0,4
On peut aussi vérifier que P A ( B)= P (B) .
2) Indépendance et événements contraires

Propriété
Si deux événements A et B sont indépendants, alors il en est de même pour les événements Ā et B,
pour les événements A et B̄ , ainsi que pour les événements Ā et B̄ .

Remarque :
Si deux événements A et B sont indépendants, la connaissance de P (A) et P (B) suffit à déterminer
toutes les autres valeurs du tableau :

A Ā Total
B P (B)

Total P (A) 1

Démonstration :
On démontre cette propriété pour Ā et B. La méthode est la même dans les autres cas.
D’après la formule des probabilités totales : P (B)=P ( A∩B)+ P ( Ā∩B) .
A et B étant indépendants, on a : P (A∩B)= P (A)× P(B) , d’où : P (B)=P ( A)× P( B)+ P ( Ā∩B) .
Ainsi, P ( Ā∩B)= P (B)−P ( A)× P( B)=(1−P ( A))× P( B)= P ( Ā)×P (B) car P ( Ā)=1− P (A) .
L’égalité P ( Ā∩B)= P ( Ā)× P(B) prouve l’indépendance des événements Ā et B.

Exemple :
Soit deux événements indépendants A et B liés à une expérience aléatoire tels que P (A)=0,3 et
P (B)=0,4 . Alors P (A∩B)= P (A)× P(B)=0,3×0,4=0,12 .
Les événements Ā et B, A et B̄ , ainsi que Ā et B̄ étant eux aussi indépendants, on a :

P ( Ā∩B)= P ( Ā)× P(B)=(1−P (A))×P (B)=0,7×0,4=0,28  ;

P (A∩ B̄)= P (A)× P( B̄)= P( A)×(1− P( B))=0,3×0,6=0,18  ;

P ( Ā∩ B̄)= P ( Ā)× P( B̄)=0,7×0,6=0,42 .

Vous aimerez peut-être aussi