CHAPITRE 9 : Probabilités conditionnelles et indépendances

I Rappel sur les probabilités simples

A Vocabulaire

Définition:
Une expérience aléatoire est une expérience dont on ne peut pas connaître le résultat a priori.

Exemple : Lancer un dé à six faces est une expérience aléatoire.

Définitions:
1. Chaque résultat possible d’une expérience aléatoire est appelé une issue ou une éventualité.

2. L’univers d’une expérience aléatoire est l’ensemble des issues possibles. Il est noté Ω.

3. Un événement de l’expérience aléatoire est une partie quelconque de l’univers. Un événement ne

comprenant qu’une seule issue est un événement élémentaire.

4. L’événement qui ne contient aucune issue est l’événement impossible, noté ∅. L’événement qui
contient toutes les issues est l’événement certain.

5. L’événement contraire de l’événement A, noté A, est composé des issues de qui ne sont pas dans A.

6. L’intersection de deux événements A et B, noté A ∩ B (qui se lit « A inter B » ou « A et B »),

est composé des issues ou éventualités appartenant à la fois à A et à B.

7. La réunion de deux événements A et B, noté A ∪ B (qui se lit « A union B » ou « A ou B »),

est composé des issues ou éventualités appartenant à A ou à B.

8. Deux événements C et D sont disjoints ou incompatibles si C ∩ D = ∅.

B Probabilité

Définitions:
1. Définir la loi de probabilité d’une expérience aléatoire dont l’univers est fini, c’est associer à
chaque issue ou éventualité possible un nombre entre 0 et 1 (sa probabilité) qui représente les
chances ou les risques que l’expérience aboutisse à ce résultat.
La somme des probabilités de chacune des issues possibles est égale à 1.
2. La probabilité d’un événement est la somme des probabilités des événements élémentaires qui
le constitue. On dit qu’il y a équiprobabilité lorsque tous les événements élémentaires ont la
même probabilité.

Nombre d’éléments de A
Dans ce cas, on a : P (A) =
Nombre d’éléments de Ω

1
 Propriétés (admises):
Soit A et B deux événements, on a les propriétés suivantes :
• P (∅) = 0
• P (Ω) = 1
• 0 ⩽ P (A) ⩽ 1
• P (A) = 1 − P (A)
• P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
• Si deux événements C et D sont disjoints ou incompatibles alors P (C ∪ D) = P (C) + P (D)

Exemple :
On tire au hasard une carte dans un jeu de 52 cartes. On considère les évènements suivants :
A : « Obtenir un cœur » et B : « Obtenir une figure ».
1. Combien l’univers Ω possède-t-il d’issues élémentaires ?
2. Déterminer P (A), P (B), P (A), P (B), P (A ∩ B), P (A ∪ B) et P (A ∪ B).

II probabilités conditionnelles
La notion de probabilité conditionnelle intervient quand pendant le déroulement d’une expérience aléatoire,
une information est fournie modifiant ainsi la probabilité d’un évènement.

A Vocabulaire

Définition:
Soient A et B deux évènements d’un même univers tel que P (A) ̸= 0.
La probabilité conditionnelle de l’évènement B sachant que l’évènement A est réalisé se note PA (B)
et on a :
P (A ∩ B)
PA (B) =
P (A)

Remarque :
P (A ∩ B)
Si P (B) ̸= 0 on définit de même PB (A) = .
P (B)
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 A ∩ B est l’événement « Le résultat est le roi de pique ».

8 1 1
Alors P (A) = = et P (A ∩ B) =
32 4 32
Donc la probabilité que le résultat soit un roi sachant qu’on a tiré un pique est :
1
P (A ∩ B) 32 1 32 1
PA (B) = = 8 = × =
P (A) 32
32 8 8

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, où il est marqué soit « Gagné » ou soit
« Perdu ».
Sur 15 boules rouges, il est marqué Gagné. Sur 9 boules noires, il est marqué Gagné. 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 ».

2
Donc R ∩ G est l’événement « On tire une boule rouge marquée Gagné ».

20 2 15 3
On a P (R) = = = 0, 4 et P (R ∩ G) = = = 0, 3
50 5 50 10
Donc la probabilité qu’on tire une boule marquée Gagné sachant qu’elle est rouge est :

P (R ∩ G) 0, 3 3
PR (G) = = = = 0, 75
P (R) 0, 4 4

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 marqué Gagné.

Remarque : La probabilité conditionnelle suit les règles et lois de probabilités vues pour les probabilité
simples. On a en particulier :

Propriété (admise):
Soit A et B deux événements avec P (A) ̸= 0.
— 0 ⩽ PA (B) ⩽ 1
— PA (B) = 1 − PA (B)

B Formules des probabilités composées

d’après la relation définissant la probabilité conditionnelle on obtient la formule suivante :

P (A ∩ B)
PB (A) = =⇒ P (A ∩ B) = PA (B) × P (A)
P (B)
Cette écriture s’appelle la formule des probabilités composées.

Propriété (admise):
Soient A et B deux événements d’un même univers tels que P (A) ̸= 0 et P (B) ̸= 0, alors :

P (A ∩ B) = PA (B) × P (A) = PB (A) × P (A)

Exemple : On reprend l’exemple 2 précédent.

Calculer la probabilité qu’on tire une boule noire marquée c’est à dire P (R ∩ G).

La probabilité de tirer un boule noire est :

P (R) = 1 − P (R) = 1 − 0, 4 = 0, 6

La probabilité qu’on tire une boule marquée Gagné sachant qu’elle est noire est :
9 3
PR (G) = = = 0, 3
30 10
Donc P (R ∩ G) = PR (G) × P (R) = 0, 3 × 0, 6 = 0, 18

la probabilité qu’on tire une boule noire marquée Gagné est égale à 0, 18.

3
III Représentation sous forme d’un arbre pondéré
A Arbre pondérée et probabilité conditionnelle
Une expérience aléatoire peut être schématisée par un arbre pondéré dont chaque branche est affectée d’un
poids qui est une probabilité.

Propriété (admise):
• La somme des probabilités sur les branches issues d’un même nœud est égale à 1.
• La probabilité d’un chemin est le produit des probabilités inscrites sur ses branches.
• La probabilité d’un événement est la somme des probabilités de tous les chemins menant à un
sommet où apparait cet événement.

Exemple : On reprend l’exemple 2 précédent.

Construire un arbre pondéré traduisant les données de l’énoncé.
On a l’arbre pondéré suivant.

0, 75 G

R
0, 4 0, 25
Ḡ

0, 3 G
0, 6

R̄
0.7
Ḡ

4
B Partition de l’univers

Définition:
Un ensemble d’évènements {A1, A2, . . . , An} forme une partition de l’univers si et seulement si :
• leur réunion est Ω donc A1 ∪ A2 ∪ · · · ∪ An = Ω
• leurs intersections deux à deux sont vides donc Ai ∩ Aj = ∅ si i ̸= j.

Théorème des probabilités totales (cas général) :

Si {A1, A2, . . . , An} forme une partition de l’univers, alors pour tout évènement B de Ω, on a :

P (B) = P (B ∩ A1) + · · · + P (B ∩ An) = P (A1) × PA1 (B) + · · · + P (An) × PAn (B)

Exemple :
Le parc informatique d’une entreprise est constitué d’ordinateurs de marques A,B ou C référencés au service
de maintenance.
60% des ordinateurs sont de la marque A et parmi ceux-ci, 15% sont des portables.
30% des ordinateurs sont de la marque B et 20% d’entre eux sont des portables.
Les autres ordinateurs sont de la marque C et 50% d’entre eux sont des portables.
On consulte au hasard la fiche d’un ordinateur, quelle est la probabilité que ce soit la fiche d’un ordinateur
portable ?

Notons S l’évènement : « la fiche est celle d’un ordinateur portable ».

Les évènements A,B et C forment une partition de l’univers alors d’après la formule des probabilités totales :

P (S) = P (S ∩ A) + P (S ∩ B) + P (S ∩ C)
= PA (S) × P (A) + PB (S) × P (B) + PC (S) × P (C)
= 0, 15 × 0, 6 + 0, 2 × 0, 3 + 0, 5 × 0, 1 = 0, 2

5
 Théorème des probabilités totales (cas des deux événements) :
Soient deux évènements A et B d’un univers Ω.
A et A forment une partition de l’univers, donc on a :

P (B) = P (A ∩ B) + P (A ∩ B) = PA (B) × P (A) + PA (B) × P (A)

Exemple :

Lors d’une épidémie chez des bovins, on s’est aperçu que si la maladie est diagnostiquée suffisamment tôt
chez un animal, on peut le guérir ; sinon la maladie est mortelle. Un test est mis au point et essayé sur un
échantillon d’animaux dont 2% est porteur de la maladie.
On obtient les résultats suivants :
• sachant qu’un animal est porteur de la maladie, le test est positif dans 85% des cas ;
• sachant qu’un animal est sain, le test est négatif dans 95% des cas.
On note les événements :
M : « Être porteur de la maladie » .
T : « Avoir un test positif ».

1. Calculer les probabilités P (M ), PM (T ) et PM (T )

2. En déduire la probabilité P (M ∩ T ).
3. Construire un arbre pondéré traduisant les données de l’énoncé.
4. Calculer P (T )
5. Si le test du bovin est positif, quelle est la probabilité qu’il soit malade ?

6
1. P (M ) = 0, 02 ; PM (T ) = 0, 85 ; PM (T ) = 0, 95
2. P (M ∩ T ) = PM (T ) × P (M ) = 0, 85 × 0, 02 = 0, 017

3.

4. Les événements M et M forment une partition de l’univers. Donc d’après le théorème des probabilités
totales on a :

P (T ) = P (M ∩ T ) + P (M ∩ T )
. La probabilité que le test soit positif est donc associée aux événements : M ∩ T et M ∩ T .

P (M ∩ T ) = 0, 017

P (M ∩ T ) = PM (T ) × P (M ) = 0, 98 × 0, 05 = 0, 049

Donc P (T ) = P (M ∩ T ) + P (M ∩ T ) = 0, 017 + 0, 049 = 0, 066.

La probabilité que le test soit positif est égal à environ 6, 6%
P (M ∩ T ) 0, 017
5. PT (M ) = = ≈ 0, 26.
P (T ) 0, 066
La probabilité que le bovin soit malade sachant que le test est positif est d’environ 26%. Le test n’est
pas fiable !

7
IV Événements indépendants

Définition:
deux évènements A et B sont indépendants si P (A ∩ B) = P (A) × P (B).

Propriété (admise):
Si P (A) ̸= 0 et P (B) ̸= 0 alors on a les équivalences suivantes :
A et B indépendants ⇔ PA (B) = P (B) et PB (A) = P (A)

Remarque :
Concrètement, si A et B sont indépendants alors le fait que A soit réalisé n’a pas d’influence sur la proba-
bilité de réalisation de B

Exemple : On tire une carte au hasard dans un jeu de 32 cartes. Soit R l’événement « On tire un roi ».
Soit T l’événement « On tire un trèfle ». Alors R ∩ T est l’événement « On tire le roi de trèfle ».

4 1 8 1
On a P (R) = = , P (T ) = = .
32 8 32 4
1 1 1
Donc P (R) × P (T ) = × = = P (R ∩ T ).
8 4 32
Les événements R et T sont donc indépendants.
Ainsi par exemple PT (R) = P (R) ce qui se traduit par la probabilité de tirer un roi parmi les trèfles et égale
à la probabilité de tirer un roi parmi toutes les cartes.

Propriété:
Si A et B sont indépendants alors A et B sont indépendants.

Démonstration :
On a :

P (A ∩ B) = P (B ∩ A)
= PB (A) × P (B)
= (1 − PB (A)) × P (B)
= (1 − P (A)) × P (B)
= P (A) × P (B)

car A et B sont indépendants donc PB (A) = P (A)

Exemple : Lors d’un week-end prolongé, Bison futé annonce qu’il y a 42% de risque de tomber dans un
bouchon sur l’autoroute A6 et 63% sur l’autoroute A7.
Soit A l’événement « On tombe dans un bouchon sur l’autoroute A6. »
Soit B l’événement « On tombe dans un bouchon sur l’autoroute A7. »
On suppose que les événements A et B sont indépendants

Les événements A et B sont également indépendants et on a :

P (A ∩ B) = P (A) × P (B) = 0, 58 × 0, 63 = 0, 3654

On peut interpréter ce résultat :

La probabilité de tomber dans un bouchon sur l’autoroute A7 mais pas sur l’autoroute A6 est égale à 36,54%

8
V Succession d’épreuves indépendantes
A Définition

Définition:
Plusieurs expériences sont identiques et indépendantes si :
• elles ont les mêmes issues ;
• chaque issue possède la même probabilité.

Remarque :
Quand on réalise une succession de tirages avec remise, on considère qu’il y a indépendance car après
chaque tirage on revient « à la situation de départ ».

Propriété (admise):
On considère une expérience aléatoire à deux issues A et B avec les probabilités P (A) et P (B).
Si on répète l’expérience deux fois de suite :
• la probabilité d’obtenir l’issue A suivie de l’issue B est égale à P (A) × P (B) ;
• la probabilité d’obtenir l’issue B suivie de l’issue A est égale à P (B) × P (A) ;
• La probabilité d’obtenir deux fois l’issue A est égale à P (A)2 ;
• La probabilité d’obtenir deux fois l’issue B est égale à P (B)2 ;

B Avec un arbre pondéré

On considère l’expérience suivante : Une urne contient 3 boules blanches et 2 boules rouges. On tire au
hasard une boule et on la remet dans l’urne. On répète l’expérience deux fois de suite.
On note A l’issue « On tire une boule blanche » et B l’issue « On tire une boule rouge ».
1. Représenter l’ensemble des issues de ces expériences dans un arbre pondéré.
2. Déterminer la probabilité :
(a) d’obtenir deux boules blanches ;
(b) une boule blanche et une boule rouge
(c) au moins une boule blanche.

3 2
1. P (A) = = 0, 6 et P (B) = = 0, 4
5 5
On résume les issues de l’expérience dans un arbre de probabilité :

2. (a) Obtenir deux boules blanches correspond à l’issue (A; A) donc la probabilité est : P1 = 0, 6×0, 6 =
0, 36
(b) Obtenir une boule blanche et une boule rouge correspond aux issues (A; B) et (B; A) donc la
probabilité est : P2 = 2 × 0, 4 × 0, 6 = 0, 48
(c) Obtenir au moins une boule blanche correspond aux issues (A; B), (A; A) et (B; A) donc la
probabilité est : P3 = 0, 36 + 0, 48 = 0, 84