Chapitre 2 : Probabilit

conditionnelle

Cours Probabilit
1

Plan
Contexte

Dfinition gnrale de la probabilit

conditionnelle
Principales formules de la probabilit
conditionnelle
La notion dindpendance en
probabilit

Contexte : introduction
Dune manire gnrale, il est possible de
dfinir la probabilit dun vnement E sachant
quon possde une certaine information
reprsente par un autre vnement F. Cette
probabilit conditionnelle sera reprsente
formellement de la manire suivante :
P( E / F )

Linformation quon possde

Contexte : exemple
Dans le tableau suivant sont classs les tudiants
boursiers dune universit, selon le sexe et le niveau des
tudes :

Soit lexprience alatoire qui consiste slectionner un

tudiant boursier au hasard. Soient les quatre
vnements suivants :
H : ltudiant slectionn est un Homme
F : ltudiant slectionn est une Femme
PC : ltudiant slectionn est en Premier Cycle
DC : ltudiant slectionn est en Deuxime Cycle
4

Contexte : exemple
Si on veut dterminer la probabilit de lvnement F,
cest--dire la probabilit pour que ltudiant slectionn
soit une Femme :
Nombre de cas favorables

55
P( F )
100

Nombre de cas possibles

Si on veut dterminer la probabilit pour que ltudiant

slectionn soit une Femme sachant quelle poursuit des
tudes de premier cycle :

30
P ( F / PC )
57

Nombre de cas favorables

Nombre de cas possibles

Dfinition gnrale
Si A est un vnement associ une
exprience alatoire et B un vnement de
probabilit non nulle associ la mme
exprience alatoire, alors la probabilit de
ralisation de A lorsque B est ralis sappelle
la probabilit conditionnelle de A sachant B et
lon note :
P( A B)
P( A | B)

P( B)

o P(B) 0

Exemple 1
Dans lexprience alatoire consistant lancer
deux ds parfaits, quelle est la probabilit
davoir une somme gale 8 sachant que les
deux ds indiquent des rsultats diffrents ?
Rponse
A : Obtenir une somme gale 8
B : les deux ds indiquent des rsultats
diffrents
(1,1), (1,2), (1,3),..., (6,6) 36 rsultats
A ( 2,6), (3,5), ( 4,4), (5,3), (6,2) 5 rsultats

B (1,2), (1,3)..., (1,6), (2,1), (2,3),..., (2,6),...

P( A / B)

P ( A B ) (4 / 36)

0.133
P( B)
(30 / 36)
7

30 rsultats

Principales formules de la probabilit

conditionnelle

1.
Formule
composes

des

probabilits

P ( A B ) P ( A) P ( B | A)
P( B) P( A | B)
avec P ( A) 0 et P ( B ) 0
Dcoule directement de la dfinition
de la probabilit conditionnelle

Exemple 2
Soit lexprience qui consiste tirer au hasard, lune
aprs lautre, sans remise, deux ampoules lectriques
dans une bote contenant 10 ampoules dont 3 sont
dfectueuses et 7 sont bonnes. Soient :
Di lvnement lampoule choisie au ime tirage est
Dfectueuse, i = 1,2.
Bi lvnement lampoule choisie au ime tirage est
Bonne, i = 1,2. P( D D )
2

On pourrait sintresser lvnement choisir deux

ampoules dfectueuses dans les deux tirages :
La probabilit associe cet vnement est:
3 2 2
P( D2 D1 ) P( D1 ) P( D2 / D1 )
10 9 30

Principales formules de la probabilit

conditionnelle
2.

Formule
de
multiplication
des
probabilits
cette formule est en fait la gnralisation de la
formule des probabilits composes.
Soit

E1 , E2 ,..., En , o n 2,

une famille finie d ' vnements

tel que : P ( E1 E2 ... En 1 ) 0 alors

P(E1 E2 ... En ) P(E1 ) P(E2|E1 ) P(E3|E1 E2 )

... P(En|E1 E2 ... En 1 )

10

Exemple 3
Quelle
est
la
probabilit
de
tirer
successivement trois as dun jeux ordinaire de
52 cartes, si on ne remet pas, chaque fois, la
carte tire.
Rponse
E1 : la premire carte tire est un as
E2 : la deuxime carte tire est un as
E3 : la troisime carte tire est un as

P( E1 E2 E3 ) P( E 1) P ( E2 / E1 ) P( E3 / E1 E2 )

4 3 2
24

52 51 50 132600

11

Principales formules de la probabilit

conditionnelle
3. Formule des probabilits totales
Contexte
Lorsque, dans le cadre de certaines expriences alatoires,
on cherche valuer la probabilit dun vnement E, il
peut arriver quil soit trs difficile dvaluer directement
P(E) alors quil est assez facile dvaluer la probabilit de E
conditionne par dautres vnements E i, i= 1,..,n. Dans ce
cas, il plus adquat dutiliser la formule des probabilits
totales.
Dfinition
Soit E1, E2, E3, En, un groupe dvnements
mutuellement incompatibles (deux deux) et dont
lunion est lensemble fondamental (ils forment une
partition de ) et soit E nun vnement quelconque de S
alors :
P ( E ) P(E ) . P(E|E )

i 1

12

Exemple 5
Dans une cole, il y a 3 filles pour 4 garons. Il est
connu que 35% des garons sont des fumeurs contre
seulement 20% des filles. Trouver la probabilit quen
interrogeant un tudiant au hasard dans cette cole,
on choisisse un fumeur.

Rponse

F : la personne slectionne est une fille

G : la personne slectionne est un garon
E : la personne interroge est un fumeur

P(E) = P(F).P(E/F) + P(G).P(E/G)

= (3/7)*(0.2) + (4/7)*(0.35) =
0.286

13

Principales formules de la probabilit

conditionnelle
4. Formule de Bayes
Contexte
Dans un premier temps on obtient une partition de
reprsente par les vnements E1, E2, E3, En avec leur
probabilit P(Ei), i=1,,n associe.
Dans un deuxime temps, on dispose dun vnement E
pour lequel on connat les probabilits conditionnelles
P(E/Ei), i=1,,n.
On demande de calculer P(Ei/E), Ei est lun des vnements
E1, E2, E3, En , cest--dire dvaluer les probabilits de
diverses causes de E.

14

Principales formules de la probabilit

conditionnelle
4. Formule de Bayes
Dfinition
Soit E1, E2, E3, En, une partition de telle que P(Ei)>0,
i=1,,n et soit Er un des vnements de cette partition
et E un vnement quelconque de alors :

P ( Er / E )

P(Er ) P( E / Er )
n

P(E ) . P(E|E )
i 1

15

Exemple 6
Un professeur sait par exprience que la probabilit de
russir son cours est de 0,95 pour ltudiant(e) qui
travaille rgulirement, de 0,5 pour celui ou celle qui
travaille plus ou moins et de 0,2 pour qui ne travaille
pas du tout. Il estime, de plus, que parmi les lves qui
suivent son cours, 50 % travaillent rgulirement et 35
% travaillent plus ou moins. Si lon considre un(e)
tudiant(e) au hasard dans un groupe auquel ce
professeur enseigne, trouver la probabilit :
a) quil (ou elle) russisse le cours
b) Quayant russi, il (ou elle) nait pas travaill du tout.

Rponse

A : ltudiant(e) qui travaille rgulirement

B : ltudiant(e) qui travaille + ou C : ltudiant qui ne travaille pas de tout
R : russir le cours

16

Exemple 6

Formule de
Probabilit totale

a) P(R) = P(A).P(R/A) + P(B).P(R/B) + P(C).P(R/C)

= (0.5)*(0.95) + (0.35)*(0.5) + (0.15)*(0.2) =
0.68
b) P (C / R ) P (C ) P ( R / C ) 0.15 0.2 0.0441

P( R)

0.68

Formule de Bayes
17

Indpendance en probabilit
Lorsque la ralisation dun vnement B ne modifie pas
la probabilit de la ralisation dun vnement A, on dit
alors que B est indpendant de A.

Dfinition
Les vnements A et B sont dit indpendants en
probabilit si et seulement si :

P ( A B ) P ( A) P ( B )

Note : indpendance versus incompatibilit (ou m.e)

Incompatibilit signifie que les deux vnements A et B

( A Bpar
)0
ne peuvent se raliser simultanment Pet
consquent
Indpendance signifie que la probabilit de ralisation
de lvnement A nest pas modifie par la ralisation
de lvnement B et par consquent
P( A | B) P( A)
18

Exemple 7
Soit lexprience consistant tablir la composition dune
famille de trois enfants ; considrons les vnements
suivants :
A: lane est une fille
B: le deuxime enfant est une fille
C: la famille comprend une suite de deux filles
Parmi eux dterminons quelles sont les paires
dvnements indpendants.

Rponse

= {(f, f, f), (f, f, g), (f, g, f), (g, f, f)

(g, g, g), (f, g, g), (g, f, g), (g, g, f)}
A = {(f, f, f), (f, f, g), (f, g, f), (f, g, g)}

P(A) = 4/8 = 0.5

B = {(f, f, f), (f, f, g), (g, f, f), (g, f, g)}

P(B) = 4/8 = 0.5

C = {(f, f, f), (f, f, g), (g, f, f)}

P(C) = 3/8 = 0.375

19

Exemple 7
A B= {(f, f, f), (f, f, g)} P( A B) 2 / 8 0.25
A C= {(f, f, f), (f, f, g)} P( A C ) 2 / 8 0.25
B C= {(f, f, f), (f, f, g), (g, f, f)} P( B C ) 3 / 8 0.375
On cherche savoir si

P( A B) P ( A) P( B)

0.25 = 0.5 * 0.5

oui

P( A C ) P( A) P (C ) 0.25 0.5 * 0.375 non

P( B C ) P( B) P (C ) 0.375 0.5 * 0.375 non

20