Vous êtes sur la page 1sur 3

1-Probabilité conditionnelle 

1 Définition : A et B sont des évè


nements avec P(A) non nulle

La probabilitéde l’évè
nement B sachant que A est réalisése note pA(B)  et définie par :

2-Exemples :

Exemple 1 : On tire une carte au hasard dans un jeu de 32 cartes.


Soit A l'événement "Le résultat est un pique".
Soit B l'événement "Le résultat est un roi".
Donc est l'événement "Le résultat est le roi de pique".

Alors : et .
Donc la probabilitéque le résultat soit un roi sachant qu'on a tiréun pique est :

On peut retrouver intuitivement ce résultat. En effet, sachant que le résultat est un pique, on a
une chance sur 8 d'obtenir le roi.

Exemple 2 :Un sac contient 50 boules, dont 20 boules rouges et 30 boules noires, oùil est
marquésoit "Gagné" ou soit "Perdu"
Sur 15 boules rouges, il est marquéGagné.
Sur 9 boules noires, il est marquéGagné.
On tire au hasard une boule dans le sac.
Soit R l'événement "On tire une boule rouge".
Soit G l'événement "On tire une boule marquée Gagné"
Donc est l'événement "On tire une boule rouge marquée Gagné".

Alors : et .
Donc la probabilitéqu'on tire une boule marquée Gagnésachant qu'elle est rouge est :

On peut retrouver intuitivement ce résultat. En effet, sachant que le résultat est une boule
rouge, on a 15 chances sur 20 qu'il soit marquéGagné.

Remarque :
La probabilitéconditionnelle suit les rè
gles et lois de probabilités vues dans les classes
antérieures. On a en particulier
Proprié
tés : Soit A et B deux événements avec

Exemple d’application :

Un laboratoire pharmaceutique a réalisédes tests sur 800 patients atteints d’une

maladie. Certains sont traités avec le médicament A, d’autres avec le médicament B.

Le tableau présente les résultats de l’étude :

1) On choisit au hasard un patient et on considè re les évè nements suivants :


A : « Le patient a pris le médicament A. »
G : « Le patient est guéri. »
On a alors :
La probabilitéqu’un patient soit traitéavec le médicament A est égale à
P(A) = 455 800 ≈ 0,57 = 57% .
La probabilitéqu’un patient soit guéri est égale à P(G) = 674 800 ≈ 0,84 = 84% .
La probabilitéqu’un patient soit guéri et qu’il soit traitépar le médicament A est égale à
P(G ∩ A) = 383 800 ≈ 0,48 = 48% .
La probabilitéqu’un patient ne soit pas guéri et qu’il soit traitépar le médicament A est
égale àP(G ∩ A) = 72 800 = 0,09 = 9%.

2) On choisit maintenant au hasard un patient guéri

La probabilité que le patient ait pris le médicament A sachant qu’il est guéri se note PG (A) et est
égale à PG (A) = 383 674 ≈ 0,57 = 57% .

La probabilité que le patient soit guéri sachant qu’il a pris le médicament B se note PB (G) et est égale
à PB (G) = 291 345 ≈ 0,84 = 84%.
 Etude d’un autre exemple :
Dans une classe de Terminale de 30 élèves, 8 élèves sont redoublants, 18 élèves sont des filles et 5
filles sont redoublantes. On choisit au hasard un élève de cette classe et on s'intéresse aux
événements suivants :
A : « L'élève est redoublant »
et B : « L'élève est une fille ».
Ω est l'ensemble des 30 élèves de la classe. Card(Ω) = 30.

On a :   ;  .

L'intersection des événements A et B s'écrit   : « L'élève est une fille redoublante ».

D'après l'énoncé, on a donc :  .

► On s'intéresse maintenant à la probabilité que l'élève soit redoublant sachant que c'est une fille,
c'est-à-dire à la probabilité que l'événement A se réalise sachant que B est réalisé.
Cette contrainte supplémentaire change l'univers qui n'est plus les 30 élèves de la classe mais
uniquement les 18 filles de cette classe.

Remarque
La probabilité de A et la probabilité de A sachant B sont différentes. Dans le deuxième cas la
réalisation de A est conditionnée par celle de B, ce qui change l'univers.

La formule générale pour calculer cette probabilité est :  .

Exemple
Vérifions cette formule sur l'exemple du paragraphe précédent.

Autre utilisation
La formule peut aussi s'écrire  .
Ceci permet de calculer la probabilité de l'événement « A et B » si l'on connaît la probabilité de B et la
probabilité conditionnelle de A sachant B.

Vous aimerez peut-être aussi