Distinguer la probabilite conditionnelle et la probabilite de lintersection

En probabilités, nous étudions les phénomènes où le résultat n'est pas certain. Pour cela, nous utilisons un vocabulaire précis.

• Une expérience aléatoire est une expérience dont le résultat dépend du hasard (ex: lancer un dé, tirer une carte). On ne peut pas prédire son issue avec certitude.
• L'Univers (noté $\Omega$ ou $E$) est l'ensemble de toutes les issues possibles d'une expérience aléatoire. Par exemple, pour un lancer de dé à 6 faces, $\Omega = \{1, 2, 3, 4, 5, 6\}$.
• Un événement est un sous-ensemble de l'univers. C'est une réalisation ou un ensemble de réalisations possibles. Par exemple, "obtenir un nombre pair" est un événement $A = \{2, 4, 6\}$.
• Un événement élémentaire est un événement qui ne contient qu'une seule issue (ex: "obtenir 3" est l'événement élémentaire $\{3\}$).

Nous pouvons combiner les événements à l'aide d'opérations logiques :

• L'intersection de deux événements $A$ et $B$, notée $A \cap B$ (lire "A et B"), est l'événement qui se réalise si $A$ et $B$ se réalisent tous les deux.
  • Exemple : $A$ = "obtenir un nombre pair", $B$ = "obtenir un multiple de 3". $A \cap B$ = "obtenir un nombre pair et un multiple de 3" = $\{6\}$.
• La réunion de deux événements $A$ et $B$, notée $A \cup B$ (lire "A ou B"), est l'événement qui se réalise si $A$ se réalise ou $B$ se réalise (ou les deux).
  • Exemple : $A$ = "obtenir un nombre pair", $B$ = "obtenir un multiple de 3". $A \cup B$ = "obtenir un nombre pair ou un multiple de 3" = $\{2, 3, 4, 6\}$.
• L'événement contraire de $A$, noté $\bar{A}$ (ou $A^c$), est l'événement qui se réalise si $A$ ne se réalise pas.
  • Exemple : $A$ = "obtenir un nombre pair". $\bar{A}$ = "obtenir un nombre impair" = $\{1, 3, 5\}$.

La probabilité d'un événement est un nombre entre 0 et 1 qui exprime la "chance" qu'il se réalise.

• La Loi de Laplace s'applique lorsque toutes les issues de l'expérience sont équiprobables (ont la même chance de se produire). Dans ce cas, la probabilité d'un événement $A$ est : $P(A) = \frac{\text{Nombre d'issues favorables à A}}{\text{Nombre total d'issues possibles}}$
  • Exemple : Lancer de dé. $A = \{2, 4, 6\}$. $P(A) = \frac{3}{6} = \frac{1}{2}$.
• Propriétés des probabilités :
  • $0 \le P(A) \le 1$ pour tout événement $A$.
  • $P(\Omega) = 1$ (la probabilité que quelque chose se produise est 1).
  • $P(\emptyset) = 0$ (la probabilité que rien ne se produise est 0).
  • $P(\bar{A}) = 1 - P(A)$.
• Formule P(A $\cup$ B) : $P(A \cup B) = P(A) + P(B) - P(A \cap B)$ Cette formule est fondamentale car elle permet de calculer la probabilité que l'un ou l'autre des événements se réalise, en évitant de compter deux fois les issues communes à $A$ et $B$.
  • Si $A$ et $B$ sont incompatibles (ou disjoints, c'est-à-dire qu'ils ne peuvent pas se réaliser en même temps, donc $A \cap B = \emptyset$), alors $P(A \cap B) = 0$. Dans ce cas, la formule se simplifie : $P(A \cup B) = P(A) + P(B)$.

Imaginez que vous savez déjà qu'un certain événement s'est produit. Cette nouvelle information change-t-elle la probabilité qu'un autre événement se produise ? C'est le principe de la probabilité conditionnelle.

• Information supplémentaire : On dispose d'une information qui restreint les possibilités.
• Réduction de l'univers : L'univers des possibles n'est plus l'univers initial $\Omega$, mais l'événement que l'on sait réalisé. On ne considère plus que les issues compatibles avec l'information donnée.
• Événement réalisé : On sait qu'un événement $B$ est déjà survenu. On cherche alors la probabilité d'un événement $A$ sachant que $B$ est réalisé.

La probabilité conditionnelle de $A$ sachant $B$ est la probabilité que l'événement $A$ se réalise, sachant que l'événement $B$ est déjà réalisé.

• Notation : On la note $P(A|B)$ (lire "probabilité de A sachant B").
• Formule : $P(A|B) = \frac{P(A \cap B)}{P(B)}$ Cette formule signifie que la probabilité que $A$ se produise quand $B$ s'est déjà produit est la probabilité que les deux se produisent ($A \cap B$) divisée par la probabilité que $B$ se soit produit. Autrement dit, on "redimensionne" la probabilité de $A \cap B$ par rapport au nouvel univers $B$.
• Condition : Cette formule n'est valable que si $P(B) \ne 0$. Si $P(B) = 0$, l'événement $B$ est impossible, et il n'y a pas de sens à conditionner par un événement impossible.

Les probabilités conditionnelles sont très présentes dans la vie quotidienne et sont souvent illustrées par des tableaux ou des fréquences.

• Tableaux à double entrée : Ces tableaux sont parfaits pour visualiser les probabilités conditionnelles. Considérons un groupe d'élèves :

Si on choisit un élève au hasard :
*   $P(G) = \frac{100}{200} = 0,5$
*   $P(B) = \frac{50}{200} = 0,25$
*   $P(G \cap B) = \frac{30}{200} = 0,15$ (probabilité d'être un garçon ET boursier)

Maintenant, calculons une probabilité conditionnelle :
*   Quelle est la probabilité qu'un élève soit boursier, *sachant que c'est un garçon* ? C'est $P(B|G)$.
    $P(B|G) = \frac{P(B \cap G)}{P(G)} = \frac{30/200}{100/200} = \frac{30}{100} = 0,3$
    On peut aussi le voir directement dans le tableau : parmi les 100 garçons, 30 sont boursiers. <mark>L'univers de référence est réduit aux Garçons.</mark>

• Fréquences conditionnelles : La probabilité conditionnelle peut être vue comme une fréquence relative dans un sous-groupe de la population.
• Sens de P(A|B) : $P(A|B)$ n'est généralement pas égal à $P(B|A)$.
  • $P(\text{pluie}|\text{nuages})$ : Probabilité qu'il pleuve sachant qu'il y a des nuages.
  • $P(\text{nuages}|\text{pluie})$ : Probabilité qu'il y ait des nuages sachant qu'il pleut (cette probabilité est probablement très proche de 1).

Il est crucial de ne pas confondre la probabilité d'une intersection et une probabilité conditionnelle.

• $P(A \cap B)$ : C'est la probabilité que les deux événements $A$ et $B$ se réalisent simultanément. On lit "probabilité de A et B". C'est une probabilité "globale" sur l'univers entier $\Omega$.
  • Exemple : Probabilité de tirer un roi ET un cœur dans un jeu de 32 cartes ($P(\text{Roi} \cap \text{Cœur}) = \frac{1}{32}$).
• $P(A|B)$ : C'est la probabilité que l'événement $A$ se réalise, sachant que l'événement $B$ est déjà réalisé. On lit "probabilité de A sachant B". C'est une probabilité "locale" calculée sur un univers réduit (celui où $B$ est réalisé).
  • Exemple : Probabilité de tirer un roi, sachant que la carte tirée est un cœur ($P(\text{Roi}|\text{Cœur}) = \frac{1}{8}$, car il y a 8 cœurs dont 1 roi).
• Ordre des événements : Dans $P(A|B)$, $B$ est l'événement conditionnant, il est connu. L'ordre est important.

La définition de la probabilité conditionnelle $P(A|B) = \frac{P(A \cap B)}{P(B)}$ peut être réarrangée pour trouver la probabilité de l'intersection :

• $P(A \cap B) = P(B) \times P(A|B)$ Cette formule est appelée Formule des Probabilités Composées. Elle exprime la probabilité que $A$ et $B$ se réalisent comme la probabilité que $B$ se réalise, multipliée par la probabilité que $A$ se réalise sachant que $B$ est déjà réalisé.
• De manière symétrique, on a aussi : $P(A \cap B) = P(A) \times P(B|A)$ Ces deux formes sont équivalentes et permettent de calculer $P(A \cap B)$ lorsque l'on connaît une probabilité simple et une probabilité conditionnelle.
• Application pratique : Cette formule est souvent utilisée dans des situations séquentielles (tirages successifs sans remise, processus en plusieurs étapes).
  • Exemple : On tire deux boules sans remise d'une urne contenant 3 boules rouges (R) et 2 boules bleues (B).
    • Probabilité de tirer une boule rouge au premier tirage : $P(R_1) = \frac{3}{5}$.
    • Probabilité de tirer une boule rouge au second tirage SACHANT que la première était rouge : $P(R_2|R_1) = \frac{2}{4} = \frac{1}{2}$ (il reste 2 rouges sur 4 boules).
    • Probabilité de tirer deux boules rouges : $P(R_1 \cap R_2) = P(R_1) \times P(R_2|R_1) = \frac{3}{5} \times \frac{1}{2} = \frac{3}{10}$.

Les arbres pondérés (ou arbres de probabilités) sont un outil graphique très puissant pour représenter des expériences aléatoires en plusieurs étapes et pour calculer des probabilités d'intersection et conditionnelles.

• Construction d'un arbre :
  1. Chaque "nœud" représente un événement possible.
  2. Les "branches" partant d'un nœud représentent les issues possibles de l'étape suivante.
  3. Les branches sont pondérées par les probabilités.
     • Les probabilités sur les premières branches sont des probabilités simples ($P(A)$).
     • Les probabilités sur les branches suivantes sont des probabilités conditionnelles ($P(B|A)$).
  4. La somme des probabilités des branches partant d'un même nœud doit toujours être égale à 1.
• Chemins et probabilités d'intersection :
  • Un chemin de la racine jusqu'à une feuille de l'arbre représente la réalisation d'une séquence d'événements.
  • La probabilité de l'événement représenté par un chemin est le produit des probabilités inscrites sur les branches de ce chemin. C'est une application directe de la formule des probabilités composées. Chaque chemin complet mène à une intersection d'événements.
  • Exemple : Premier tirage R ou B, puis second tirage R ou B.
    • Chemin $(R_1, R_2)$ : $P(R_1 \cap R_2) = P(R_1) \times P(R_2|R_1)$.
    • Chemin $(R_1, B_2)$ : $P(R_1 \cap B_2) = P(R_1) \times P(B_2|R_1)$.
• Probabilités conditionnelles sur les branches : Les probabilités écrites sur les branches "secondaires" sont par définition des probabilités conditionnelles.
  • Si la première branche mène à l'événement $A$, et la seconde à l'événement $B$, alors la probabilité sur la seconde branche est $P(B|A)$.

Deux événements $A$ et $B$ sont dits indépendants si la réalisation de l'un n'influence pas la probabilité de réalisation de l'autre.

• $P(A|B) = P(A)$ : La probabilité de $A$ sachant $B$ est la même que la probabilité de $A$ sans aucune information sur $B$.
• $P(B|A) = P(B)$ : De même, la probabilité de $B$ sachant $A$ est la même que la probabilité de $B$.
• Non-influence mutuelle : C'est la caractéristique principale de l'indépendance. Les événements n'ont aucun lien de causalité ou de corrélation probabiliste.
  • Exemple : Lancer une pièce de monnaie deux fois. Le résultat du premier lancer est indépendant du résultat du second.

La définition de l'indépendance mène à un critère très pratique pour vérifier si deux événements sont indépendants.

• Si $A$ et $B$ sont indépendants, alors $P(A|B) = P(A)$. En utilisant la formule des probabilités conditionnelles : $\frac{P(A \cap B)}{P(B)} = P(A)$ En multipliant par $P(B)$ (si $P(B) \ne 0$) : $P(A \cap B) = P(A) \times P(B)$ Ceci est le critère fondamental d'indépendance. Deux événements $A$ et $B$ sont indépendants si et seulement si la probabilité de leur intersection est égale au produit de leurs probabilités individuelles.
• Vérification de l'indépendance : Pour savoir si deux événements sont indépendants, il suffit de calculer $P(A \cap B)$, $P(A)$ et $P(B)$, puis de vérifier si l'égalité $P(A \cap B) = P(A) \times P(B)$ est vraie.
• Cas particuliers :
  • Si $P(A)=0$ ou $P(B)=0$, alors $P(A \cap B)$ est aussi $0$, et l'égalité $0 = P(A) \times P(B)$ est toujours vérifiée. Par convention, un événement impossible est indépendant de tout autre événement.
  • Si $A$ et $B$ sont indépendants, alors $\bar{A}$ et $B$ sont aussi indépendants, $A$ et $\bar{B}$ sont indépendants, et $\bar{A}$ et $\bar{B}$ sont indépendants.

Ces deux concepts sont souvent confondus, mais ils sont très différents.

• Événements incompatibles (ou disjoints) : Deux événements $A$ et $B$ sont incompatibles si ils ne peuvent pas se produire en même temps. Leur intersection est vide : $A \cap B = \emptyset$.
  • Conséquence : $P(A \cap B) = 0$.
  • Exemple : "Obtenir un nombre pair" et "obtenir un nombre impair" avec un dé sont incompatibles.
• Conséquences sur les probabilités :
  • Si $A$ et $B$ sont incompatibles, alors $P(A \cap B) = 0$.
  • Si $A$ et $B$ sont indépendants, alors $P(A \cap B) = P(A) \times P(B)$.
• Exemples comparatifs :
  • Peut-on être à la fois indépendant et incompatible ? Si $A$ et $B$ sont à la fois incompatibles et indépendants, alors : $P(A \cap B) = 0$ (incompatibles) $P(A \cap B) = P(A) \times P(B)$ (indépendants) Donc, $P(A) \times P(B) = 0$. Cela implique que $P(A)=0$ ou $P(B)=0$. En général, des événements incompatibles ne sont PAS indépendants (sauf si l'un d'eux est impossible). Si $A$ et $B$ sont incompatibles et $P(A) > 0$ et $P(B) > 0$, alors savoir que $A$ s'est produit nous apprend que $B$ ne s'est PAS produit (donc $P(B|A)=0$, ce qui est différent de $P(B)$). Ils s'influencent donc mutuellement.
  • Exemple de non-indépendance (mais non-incompatibilité) : Tirer un as ($A$) et tirer un cœur ($C$) dans un jeu de cartes. $P(A) = \frac{4}{32} = \frac{1}{8}$ $P(C) = \frac{8}{32} = \frac{1}{4}$ $P(A \cap C) = P(\text{As de cœur}) = \frac{1}{32}$ $P(A) \times P(C) = \frac{1}{8} \times \frac{1}{4} = \frac{1}{32}$. Ici, $P(A \cap C) = P(A) \times P(C)$, donc les événements "Tirer un as" et "Tirer un cœur" sont indépendants. Ils ne sont pas incompatibles car l'As de cœur existe.

Avant d'aborder la formule des probabilités totales, il est essentiel de comprendre la notion de système complet d'événements.

• Un ensemble d'événements $A_1, A_2, \ldots, A_n$ forme un système complet d'événements (ou partition de l'univers $\Omega$) si :
  1. Ils sont deux à deux incompatibles : $A_i \cap A_j = \emptyset$ pour $i \ne j$. (Ils ne peuvent pas se réaliser simultanément).
  2. Leur réunion est égale à l'univers : $A_1 \cup A_2 \cup \ldots \cup A_n = \Omega$. (L'un d'entre eux se réalise forcément).
• En d'autres termes, un système complet d'événements découpe l'univers en "tranches" distinctes et exhaustives.
  • Exemple : Pour un lancer de dé, les événements $A_1 = \{1, 2\}$, $A_2 = \{3, 4\}$, $A_3 = \{5, 6\}$ forment un système complet.
  • Un événement $A$ et son contraire $\bar{A}$ forment toujours un système complet d'événements.

La Formule des Probabilités Totales permet de calculer la probabilité d'un événement $B$ en le "décomposant" selon les différentes branches d'un système complet d'événements $A_1, A_2, \ldots, A_n$.

• Pour tout événement $B$, et pour un système complet d'événements $A_1, A_2, \ldots, A_n$ (avec $P(A_i) \ne 0$ pour tout $i$), la probabilité de $B$ est donnée par : $P(B) = P(B \cap A_1) + P(B \cap A_2) + \ldots + P(B \cap A_n)$ Cette formule découle du fait que les événements $(B \cap A_i)$ sont deux à deux incompatibles et que leur union est égale à $B$.
• En utilisant la formule des probabilités composées ($P(B \cap A_i) = P(B|A_i) \times P(A_i)$), la formule devient : $P(B) = P(B|A_1) \times P(A_1) + P(B|A_2) \times P(A_2) + \ldots + P(B|A_n) \times P(A_n)$ Ou de manière plus compacte avec le symbole de sommation : $P(B) = \sum_{i=1}^{n} P(B|A_i) \times P(A_i)$ Cette formule est très utile pour calculer la probabilité d'un événement $B$ (une probabilité a priori ou marginale) lorsque $B$ dépend de plusieurs situations initiales ($A_i$).
  • Exemple simplifié : Une usine a deux machines M1 et M2. M1 produit 60% des pièces, M2 40%. M1 produit 2% de pièces défectueuses, M2 en produit 5%. Quelle est la probabilité qu'une pièce prise au hasard soit défectueuse (D) ?
    • $P(M1) = 0.6$, $P(M2) = 0.4$ (système complet)
    • $P(D|M1) = 0.02$, $P(D|M2) = 0.05$
    • $P(D) = P(D|M1) \times P(M1) + P(D|M2) \times P(M2)$
    • $P(D) = 0.02 \times 0.6 + 0.05 \times 0.4 = 0.012 + 0.02 = 0.032$ (soit 3,2% de pièces défectueuses au total).

La formule des probabilités totales est naturellement représentée et appliquée avec les arbres pondérés.

• Somme des probabilités des chemins : Pour calculer $P(B)$, on identifie tous les chemins dans l'arbre qui mènent à l'événement $B$. On calcule la probabilité de chaque chemin (produit des probabilités sur les branches), puis on somme ces probabilités d'intersection. Chaque chemin qui se termine par $B$ représente une intersection $A_i \cap B$.

• Calcul de probabilités marginales : La formule des probabilités totales permet de calculer la probabilité d'un événement qui n'est pas le résultat final d'un chemin, mais qui peut être atteint par plusieurs chemins différents. C'est une probabilité "marginale" car elle concerne un événement final sans tenir compte du chemin spécifique.

• Résolution de problèmes complexes : Les arbres pondérés et la formule des probabilités totales sont indispensables pour résoudre des problèmes où l'on a des informations séquentielles et des probabilités conditionnelles à chaque étape.

  graph TD
      A[Départ] --> P_A1(P(A1))
      P_A1 --> B_A1(B sachant A1)
      P_A1 --> nonB_A1(non B sachant A1)
  
      A --> P_A2(P(A2))
      P_A2 --> B_A2(B sachant A2)
      P_A2 --> nonB_A2(non B sachant A2)
  
      P_A1 -- P(B|A1) --> B_A1
      P_A1 -- P(nonB|A1) --> nonB_A1
  
      P_A2 -- P(B|A2) --> B_A2
      P_A2 -- P(nonB|A2) --> nonB_A2
  

  (Note: En tant qu'IA, je ne peux pas générer de diagrammes Mermaid dans ma sortie textuelle directe, mais le concept est bien expliqué.)

  Dans l'exemple ci-dessus, $P(B) = P(A_1 \cap B) + P(A_2 \cap B) = P(A_1) \times P(B|A_1) + P(A_2) \times P(B|A_2)$.