Probabilités conditionnelles en Première spé : cours complet
Les probabilités conditionnelles servent à mesurer la probabilité d'un événement sachant qu'un autre s'est produit. Tu maîtrises maintenant l'arbre pondéré, la formule des probabilités totales et tu travailles avec l'indépendance.
Probabilité conditionnelle
Définition
Soit A,BA, B deux événements avec P(B)>0P(B) > 0. La probabilité de AA sachant BB est :
PB(A)=P(B)P(A∩B)P_B(A) = (P(A ∩ B))/P(B)
(Notation alternative : P(A∣B)P(A | B).)
Interprétation
Probabilité que AA se produise étant donné que BB s'est produit.
Formule des probabilités composées
P(A∩B)=P(B)×PB(A)=P(A)×PA(B)P(A ∩ B) = P(B) × P_B(A) = P(A) × P_A(B)
C'est l'outil pour calculer P(A∩B)P(A ∩ B).
Arbre pondéré
Construction
Sur chaque branche, on indique la probabilité conditionnelle correspondante.
Règles
- Probabilité d'une feuille (issue finale) = produit des probabilités le long du chemin.
- Somme des probabilités des branches issues d'un nœud = 11.
Exemple
D (0,03) → AD : 0,6 × 0,03 = 0,018
A (0,6) /
\
D̄ (0,97) → AD̄ : 0,6 × 0,97 = 0,582
D (0,05) → BD : 0,4 × 0,05 = 0,020
B (0,4) /
\
D̄ (0,95) → BD̄ : 0,4 × 0,95 = 0,380
Formule des probabilités totales
Énoncé
Si B1,B2,…,BnB₁, B₂, …, Bₙ forment une partition de l'univers :
P(A)=i=1∑nP(Bi)×PBi(A)P(A) = Σ_i=1ⁿ P(Bᵢ) × P_Bᵢ(A)
Application
Sur un arbre, on somme les probabilités des chemins qui mènent à AA.
Exemple
Dans une usine, 60%60% des pièces viennent de A, 40%40% de B. Taux de défaut : 3%3% en A, 5%5% en B.
P(D)=0,6×0,03+0,4×0,05=0,038P(D) = 0,6 × 0,03 + 0,4 × 0,05 = 0,038
Indépendance
Définition
Deux événements AA et BB sont indépendants si :
P(A∩B)=P(A)×P(B)P(A ∩ B) = P(A) × P(B)
ou équivalent (si P(B)>0P(B) > 0) :
PB(A)=P(A)P_B(A) = P(A)
Interprétation
La connaissance de BB ne modifie pas la probabilité de AA.
Exemple
Lancer un dé puis une pièce : indépendants.
Tirer deux cartes sans remise : non indépendants.
Succession d'épreuves indépendantes
Deux épreuves sont indépendantes quand le résultat de la première n'influence pas la seconde (tirages avec remise, lancers successifs). Sur l'arbre, les branches du second niveau sont alors les mêmes quel que soit le premier résultat, et la probabilité d'un couple de résultats est le produit des probabilités. Exemple : une pièce puis un dé équilibrés, P(pile et 6)=21×61=121P( pile et 6) = 1/2 × 1/6 = 1/12.
Répétition d'épreuves de Bernoulli (n⩽4n ≤ 4)
Une épreuve de Bernoulli a deux issues : succès (probabilité pp) et échec (probabilité 1−p1 - p). Si on la répète nn fois (n⩽4n ≤ 4) de façon indépendante, l'arbre compte 2n2ⁿ chemins, et un chemin avec kk succès a pour probabilité
pk(1−p)n−kp^(k)(1 - p)^(n - k)
Pour « exactement kk succès », on compte les chemins sur l'arbre. Exemple : trois tirs indépendants réussis chacun avec p=0,3p = 0,3 ; exactement deux réussites correspondent à trois chemins, d'où 3×0,32×0,7=0,1893 × 0,3² × 0,7 = 0,189 ; au moins une réussite : 1−0,73=0,6571 - 0,7³ = 0,657.
Formule de Bayes
PA(B)=P(A)P(B)×PB(A)P_A(B) = (P(B) × P_B(A))/P(A)
Application : test médical
Maladie touchant 1%1% de la population. Test :
- Sensibilité : Pmalade(test +)=99%P_malade( test + ) = 99%.
- Spécificité : Psain(test -)=95%P_sain( test - ) = 95%.
Question : probabilité d'être malade si test positif ?
Ptest+(malade)=0,01×0,99+0,99×0,050,01×0,99≈16,6%P_test+( malade ) = (0,01 × 0,99)/(0,01 × 0,99 + 0,99 × 0,05) ≈ 16,6%
C'est bien moins que 99%99% ! C'est le résultat paradoxal de Bayes.
Exemple complet
Énoncé
Dans une classe : 65%65% sont des filles. 40%40% des filles et 25%25% des garçons portent des lunettes.
Q1 : Probabilité qu'une élève soit une fille portant des lunettes ?
P(F∩L)=P(F)×PF(L)=0,65×0,40=0,26P(F ∩ L) = P(F) × P_F(L) = 0,65 × 0,40 = 0,26
Q2 : Probabilité qu'un élève porte des lunettes ?
P(L)=P(F)PF(L)+P(G)PG(L)=0,65×0,40+0,35×0,25=0,26+0,0875=0,3475P(L) = P(F) P_F(L) + P(G) P_G(L) = 0,65 × 0,40 + 0,35 × 0,25 = 0,26 + 0,0875 = 0,3475
Q3 : Sachant qu'un élève porte des lunettes, probabilité que ce soit une fille ?
PL(F)=P(L)P(F∩L)=0,34750,26≈0,748=74,8%P_L(F) = (P(F ∩ L))/P(L) = 0,26/0,3475 ≈ 0,748 = 74,8%
Erreurs fréquentes à éviter
- Confondre PB(A)P_B(A) et PA(B)P_A(B) : pas la même chose !
- Oublier le facteur P(B)P(B) dans la formule des probabilités composées.
- Confondre indépendant et incompatible : indépendant (P(A∩B)=P(A)P(B)P(A ∩ B) = P(A) P(B)) ≠ incompatible (A∩B=∅A ∩ B = emptyset).
- Mal lire un arbre : bien associer probabilité conditionnelle à chaque branche.
FAQ — Probabilités conditionnelles
Comment savoir si deux événements sont indépendants ?
Vérifier P(A∩B)=P(A)×P(B)P(A ∩ B) = P(A) × P(B).
Pourquoi le théorème de Bayes est-il important ?
Il renverse l'information : on connaît PB(A)P_B(A) et on veut PA(B)P_A(B). Énormément utilisé en médecine, IA, justice.
Avec ou sans remise, ça change tout ?
Oui : avec remise → indépendance, sans remise → probabilités conditionnelles à recalculer à chaque étape.
À quoi sert tout cela ?
À modéliser des situations réelles où l'information est partielle : diagnostics, prédictions, sondages, filtres antispam, IA…