Chapitre 3

Probabilités conditionnelles et indépendance

Sommaire
  1. Rappels de seconde
  2. Probabilité conditionnelle
  3. Arbres pondérés
  4. Partition de l'univers et probabilités totales
  5. Indépendance de deux évènements
  6. Succession de deux épreuves indépendantes
  7. Synthèse – ce qu'il faut savoir faire

Rappels de seconde

  • Un évènement est une partie de l'univers $\Omega$. $A\cap B$ : « $A$ et $B$ » ; $A\cup B$ : « $A$ ou $B$ » ; $\overline A$ : « non $A$ ». $A$ et $B$ sont incompatibles (ou disjoints) lorsque $A\cap B=\varnothing$.
  • $P(\overline A)=1-P(A)$   et   $P(A\cup B)+P(A\cap B)=P(A)+P(B)$. Si $A$ et $B$ sont incompatibles : $P(A\cup B)=P(A)+P(B)$.
  • En situation d'équiprobabilité : $P(A)=\dfrac{\text{nombre d'issues de } A}{\text{nombre total d'issues}}$.
  • Pour dénombrer : tableau à double entrée (deux caractères croisés) ou arbre des possibles (épreuves successives).

Probabilité conditionnelle

Exemple#

Dans une classe de 30 élèves, on croise le fait de pratiquer un sport ($S$) et celui de jouer d'un instrument ($I$).

$S$$\overline S$Total
$I$639
$\overline I$12921
Total181230

On choisit un élève au hasard. $P(S\cap I)=\dfrac{6}{30}=0{,}2$ : c'est une proportion de toute la classe.
Si l'on sait que l'élève choisi pratique un sport, on ne regarde plus que la colonne $S$ : la probabilité qu'il joue d'un instrument vaut $\dfrac{6}{18}=\dfrac13$. On remarque que \[ \frac{6}{18}=\frac{6/30}{18/30}=\frac{P(S\cap I)}{P(S)}. \]

Définition — probabilité conditionnelle#

Soit $A$ et $B$ deux évènements, avec $P(A)\neq0$. La probabilité de $B$ sachant $A$ est le nombre \[ P_A(B)=\frac{P(A\cap B)}{P(A)}. \]

Remarque#

Conditionner par $A$, c'est restreindre l'univers à $A$ : on ne garde que les issues où $A$ est réalisé, et on mesure la part de $B$ parmi elles. Dans le supérieur, on note aussi $P(B\,|\,A)$.

Propriété#

Soit $A$ un évènement tel que $P(A)\neq0$. Pour tous évènements $B$ et $C$ :

  • $0\leqslant P_A(B)\leqslant 1$ et $P_A(\Omega)=1$ ;
  • $P_A(\overline B)=1-P_A(B)$ ;
  • si $B$ et $C$ sont incompatibles, $P_A(B\cup C)=P_A(B)+P_A(C)$.

Autrement dit, $P_A$ est elle-même une probabilité.

Propriété — formule du produit#

Si $P(A)\neq0$ : $P(A\cap B)=P(A)\times P_A(B)$.   Si $P(B)\neq0$ : $P(A\cap B)=P(B)\times P_B(A)$.

Remarque#

Ne pas confondre $P(A\cap B)$, $P_A(B)$ et $P_B(A)$ : ce sont trois nombres a priori différents. Dans l'exemple : $P(S\cap I)=0{,}2$, $P_S(I)=\dfrac{6}{18}=\dfrac13$ et $P_I(S)=\dfrac69=\dfrac23$.

Arbres pondérés

Définition — arbre pondéré#

Un arbre pondéré est un arbre dont chaque branche porte une probabilité. Pour une expérience à deux étapes :

  • les branches du premier niveau portent les probabilités $P(A)$ et $P(\overline A)$ ;
  • les branches du second niveau portent des probabilités conditionnelles, sachant l'évènement d'où part la branche.
Remarque#

Un arbre pondéré est un arbre des possibles « condensé » : les branches menant à des issues de même nature sont regroupées en une seule, qui porte la somme de leurs probabilités.

Figure
Propriété — règles de calcul sur un arbre pondéré#
  • Règle de la somme : la somme des probabilités portées par les branches issues d'un même nœud vaut $1$.
  • Règle du produit : la probabilité d'un chemin est le produit des probabilités portées par ses branches (c'est la formule du produit).
  • La probabilité d'un évènement situé au bout de plusieurs chemins est la somme des probabilités de ces chemins (justification au paragraphe suivant).

Partition de l'univers et probabilités totales

Définition — partition de l'univers#

Des évènements $A_1,A_2,\dots,A_n$ forment une partition de $\Omega$ (ou un système complet d'évènements) lorsque :

  • ils sont tous non vides ;
  • ils sont deux à deux incompatibles ($A_i\cap A_j=\varnothing$ si $i\neq j$) ;
  • leur réunion est l'univers : $A_1\cup A_2\cup\dots\cup A_n=\Omega$.

Cas le plus fréquent : si $0<P(A)<1$, alors $A$ et $\overline A$ forment une partition de $\Omega$.

Théorème — formule des probabilités totales#

Si $A_1,\dots,A_n$ forment une partition de $\Omega$, alors pour tout évènement $B$ : \[ P(B)=P(A_1\cap B)+P(A_2\cap B)+\dots+P(A_n\cap B). \] Si de plus les $P(A_i)$ sont non nulles : $P(B)=P(A_1)P_{A_1}(B)+\dots+P(A_n)P_{A_n}(B)$.
En particulier, avec la partition $\{A,\overline A\}$ :   $P(B)=P(A)\times P_A(B)+P(\overline A)\times P_{\overline A}(B)$.

Démonstration#

Les évènements $A_i\cap B$ sont deux à deux incompatibles (car les $A_i$ le sont) et leur réunion est $(A_1\cup\dots\cup A_n)\cap B=\Omega\cap B=B$. Les probabilités d'évènements deux à deux incompatibles s'ajoutent, d'où le résultat. La seconde forme s'obtient avec la formule du produit.

Méthode — utiliser la formule des probabilités totales#
  1. Repérer la partition (souvent donnée par la première étape de l'expérience).
  2. Construire l'arbre pondéré et le compléter avec la règle de la somme.
  3. Calculer la probabilité de chaque chemin menant à $B$ (règle du produit), puis les additionner.
Exemple#

Une urne $U_1$ contient $70\,\%$ de boules rouges, une urne $U_2$ en contient $40\,\%$. On choisit une urne au hasard (une chance sur deux), puis on tire une boule. On note $A$ : « on choisit $U_1$ » et $R$ : « la boule est rouge ». Alors $P(A)=P(\overline A)=0{,}5$, $P_A(R)=0{,}7$ et $P_{\overline A}(R)=0{,}4$. \[ P(R)=P(A)P_A(R)+P(\overline A)P_{\overline A}(R)=0{,}35+0{,}2=0{,}55. \] On peut ensuite « remonter » l'arbre : sachant que la boule est rouge, la probabilité qu'elle vienne de $U_1$ est \[ P_R(A)=\frac{P(A\cap R)}{P(R)}=\frac{0{,}35}{0{,}55}=\frac{7}{11}\approx0{,}64. \]

Indépendance de deux évènements

Définition — indépendance#

Deux évènements $A$ et $B$ sont indépendants lorsque $P(A\cap B)=P(A)\times P(B)$.

Propriété#

Si $P(A)\neq0$ : $A$ et $B$ sont indépendants si et seulement si $P_A(B)=P(B)$.
Autrement dit, savoir que $A$ est réalisé ne change pas la probabilité de $B$.

Démonstration#

Si $P(A\cap B)=P(A)P(B)$, alors $P_A(B)=\dfrac{P(A\cap B)}{P(A)}=\dfrac{P(A)P(B)}{P(A)}=P(B)$.
Réciproquement, si $P_A(B)=P(B)$, alors $P(A\cap B)=P(A)\times P_A(B)=P(A)\times P(B)$.

Propriété#

Si $A$ et $B$ sont indépendants, alors $A$ et $\overline B$ sont indépendants.

Démonstration#

$\{B,\overline B\}$ découpe $A$ en deux parties incompatibles, donc $P(A)=P(A\cap B)+P(A\cap\overline B)$. Ainsi $P(A\cap\overline B)=P(A)-P(A)P(B)=P(A)\big(1-P(B)\big)=P(A)\times P(\overline B)$.

Remarque#

Indépendance et incompatibilité sont deux notions très différentes. Deux évènements incompatibles de probabilités non nulles ne sont jamais indépendants : $P(A\cap B)=0\neq P(A)P(B)$.

Méthode — utiliser ou démontrer une indépendance#

Pour utiliser une indépendance donnée par l'énoncé (par exemple un tirage avec remise), on écrit directement $P(A\cap B)=P(A)\times P(B)$.
Pour démontrer une indépendance, on calcule séparément $P(A\cap B)$ et $P(A)\times P(B)$ (ou $P_A(B)$ et $P(B)$) et on compare.

Exemple#

On tire une carte au hasard dans un jeu de 32 cartes. On note $A$ : « obtenir un as » et $C$ : « obtenir un cœur ».
$P(A)=\dfrac{4}{32}=\dfrac18$, $P(C)=\dfrac{8}{32}=\dfrac14$ et $P(A\cap C)=\dfrac{1}{32}=\dfrac18\times\dfrac14$ : $A$ et $C$ sont indépendants.

Succession de deux épreuves indépendantes

Propriété#

Deux épreuves successives sont indépendantes lorsque le résultat de la première n'influence pas les probabilités de la seconde. Alors, pour un évènement $A_1$ lié à la première épreuve et un évènement $B_2$ lié à la seconde : \[ P(A_1\cap B_2)=P(A_1)\times P(B_2). \] Dans l'arbre pondéré, les branches du second niveau portent les mêmes probabilités quel que soit le résultat du premier niveau. Dans un tableau à double entrée, chaque case est le produit des deux totaux correspondants.

Exemple#

On lance deux fois un dé équilibré. Les lancers sont indépendants.

  • $P(\text{« 6 puis 6 »})=\dfrac16\times\dfrac16=\dfrac{1}{36}$.
  • $P(\text{« aucun 6 »})=\dfrac56\times\dfrac56=\dfrac{25}{36}$, donc $P(\text{« au moins un 6 »})=1-\dfrac{25}{36}=\dfrac{11}{36}$.
Algorithme / Python — simulation de l'expérience des deux urnes#
from random import random

def experience():
    if random() < 0.5:          # on choisit l'urne U1
        return random() < 0.7   # True si la boule est rouge
    else:                       # on choisit l'urne U2
        return random() < 0.4

def frequence_rouge(N):
    nb = 0
    for k in range(N):
        if experience():
            nb = nb + 1
    return nb / N               # proche de 0,55 pour N grand
Un peu d'histoire#

Abraham de Moivre donne une première définition de l'indépendance dans The Doctrine of Chances (1718). L'essai de Thomas Bayes, publié en 1763 après sa mort, traite de la façon de « retourner » un conditionnement, c'est-à-dire d'obtenir $P_B(A)$ à partir de $P_A(B)$. Laplace développe ces idées dans sa Théorie analytique des probabilités (1812). Le cadre moderne (univers, évènements, axiomes) est fixé par Kolmogorov en 1933.

Synthèse – ce qu'il faut savoir faire

  • Calculer une probabilité conditionnelle à partir d'un tableau ou de la définition.
  • Distinguer $P(A\cap B)$, $P_A(B)$ et $P_B(A)$, et passer de l'une à l'autre.
  • Construire et compléter un arbre pondéré (règle de la somme, règle du produit).
  • Utiliser la formule des probabilités totales, puis « remonter » l'arbre.
  • Démontrer ou utiliser l'indépendance de deux évènements.
  • Modéliser une succession de deux épreuves indépendantes par un arbre ou un tableau.
  • Simuler une expérience aléatoire en Python.