Probabilités

3) Probabilités conditionnelles
 Problème des fumeurs
En 2020, la population française de plus de 18 ans est composée de
51 % d'hommes et de 49 % de femmes.
28 % des hommes et 21 % des femmes de plus de 18 ans sont des
fumeurs.
Si on choisit une personne française au hasard, quelle est la probabilité
qu'elle soit fumeuse ?

Parmi les fumeurs français, quelle est la proportion d'hommes ?

Nous noterons H = « être un homme » et F = « être fumeur ».

 Résolution du problème des fumeurs
0,28 Fumeur

0,51 Hommes
0,72 Non Fumeur

0,49
Femmes

nombre d'hommes fumeurs ℙ(F ∩ H )

28 % = =
nombre d'hommes ℙ(H )
C'est la probabilité d'avoir tiré au sort un fumeur sachant qu'on a
tiré un homme. On la note ℙ(F | H ) ou ℙH(F ).
 Résolution du problème des fumeurs
0,28 Fumeur 0,51 × 0,28

0,51 Hommes
0,72 Non Fumeur 0,51 × 0,72

0,21 Fumeur 0,49 × 0,21

0,49
Femmes

0,79 Non Fumeur 0,49 × 0,79

ℙ(F ) = 0,51 × 0,28 + 0,49 × 0,21 = 0,2457 = 24,57 %

 Résolution du problème des fumeurs
??? Hommes 0,51 × 0,28

Fumeur
0,2457
Femmes

Non Fumeur

0,51 × 0,28
ℙF (H ) = = 58,12 %
0,2457
 Probabilité conditionelle
ℙA(B) B
ℙ(A ∩ B) = ℙ(A) × ℙA(B)
ℙ(A) A
Ω 1 − ℙA(B) B
Soit (Ω, ℙ) un espace probabilisé fini.
Pour A et B deux événements de Ω, on appelle probabilité de B sachant A
ℙ(A ∩ B )
et on note ℙA(B) (ou ℙ(B | A)) le nombre ℙA(B) = .
ℙ(A )

Ω A B
 Probabilité induite
Soit (Ω, ℙ) un espace probabilisé fini et E ⊂ Ω.
La restriction de ℙ à P (E) vérifie la propriété d’additivité :
∀ A, B ⊂ E, A ∩ B = ∅ ⇒ ℙ(A ⋃ B) = ℙ(A) + ℙ(B).
Mais ce n’est pas une probabilité sur E car ℙ(E) ≠ 1 (en général).
ℙ(A)
Mais si on prend 𝕊 : A → alors 𝕊 est une probabilité sur E.
ℙ(E)
Ω
Et on peut l’étendre en une nouvelle B E A
probabilité 𝕋 sur Ω, définie par ∀B ⊂ Ω
ℙ(E ∩ B )
𝕋(B) = = ℙE (B ) vérifiant 𝕋(Ω \ E ) = 0.
ℙ(E )
 Preuve et conséquences
(Ω, ℙ) est un espace probabilisé fini et E ⊂ Ω.
ℙ(E ∩ Ω )
Preuve : ℙE(Ω) = = 1.
ℙ(E )
∀A, B ⊂ Ω, si A ∩ B = ∅ alors (A ∩ E ) ∩ (B ∩ E ) = ∅.
ℙ ((A ⋃ B ) ∩ E ) = ℙ ((A ∩ E ) ⋃ (B ∩ E ))
= ℙ(A ∩ E ) + ℙ(B ∩ E ).
En divisant par ℙ(E ), on obtient ℙE (A ⋃ B ) = ℙE(A) + ℙE(B).

∀A, B ⊂ Ω, ℙE (A ⋃ B ) = ℙE(A) + ℙE(B) − ℙE(A ∩ B).

∀A ⊂ Ω, ℙE ( A ) = 1 − ℙE(A).
 Exemples de bases
1) On tire une carte dans un jeu de 52 cartes.
Quelle est la probabilité d’avoir un as sachant qu’on a un coeur ?
Quelle la probabilité d’avoir un coeur sachant qu’on a un as ?
1 1
13 4
2) On lance trois dés.
Quelle est la probabilité de ne pas avoir obtenu le résultat 1
si la somme des résultats vaut 6.
1
(1 , 1 , 4) ; (1 , 2 , 3) ; (2 , 2 , 2) 10
3 6 1
 Exemples de bases
3) Dans le lycée Valin de La Rochelle on a la répartition
suivante des élèves :

INTERNE EXTERNE(ou DP) TOTAL

FILLES 140 710 850
GARÇONS 40 710 750
TOTAL 180 1420 1600

850 1 140
Donnez ℙ(F ) ℙE (F ) ℙF(I )
1600 2 850
 Exemples de bases
4) a) Vous êtes invité chez une personne dont vous savez qu’elle a
exactement deux enfants. Lorsque vous sonnez à sa porte, un garçon
vient vous ouvrir. Quelle est la probabilité que l’autre enfant soit
également un garçon ?
1 (G , F) ; (F , G) ; (G , G)
3

b) Vous êtes invité chez une personne dont vous savez qu’elle a
exactement deux enfants. Lorsque vous sonnez à sa porte, un garçon
vient vous ouvrir. Vous entendez un bébé pleurer dans la maison.
Quelle est la probabilité que l’autre enfant soit également un garçon ?
1 (G , F) ; (G , G)
2
 Formule des probabilités totales
ℙ(A ∩ B) = ℙ(A) × ℙA(B) ℙA(B) B
ℙ(A ∩ B) = ℙ(A ) × ℙA (B) A
ℙ(A)
1 − ℙA(B) B
Ω
ℙA (B) B
1 − ℙ(A)
A
1 − ℙA (B) B

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

 Formule des probabilités totales
Soit (Ω, ℙ) un espace probabilisé fini. Soient A1 , A2 …, An des
événements formant une partition de Ω. Pour tout B ⊂ Ω, on a
ℙ(B) = ℙA (B)ℙ(A1) + ℙA (B)ℙ(A2) + … + ℙA (B)ℙ(An)
1 2 n
n
= ∑ ℙA (B)ℙ(Ak ).
k =1 k

Preuve : ∀k ∈ {1, …, n}, ℙA (B)ℙ(Ak ) = ℙ(B ∩ Ak ).

k
Les événements (B ∩ Ak )1 ≤ k ≤ n forment une partition de B donc le formule du
n
Crible de Poincaré nous donne ℙ(B) = ∑ ℙ(B ∩ Ak ).
k =1
 Formule de Bayes
On veut trouver ℙB (A ) avec les données de ℙ(A ), ℙA (B ) et ℙA (B ).

ℙ(A ∩ B ) ℙ(A) × ℙA(B)

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

Thomas Bayes
(1702- 1761)
 Formule de Bayes
Soit (Ω, ℙ) un espace probabilisé fini. Soient A1 , A2 …, An des
événements formant une partition de Ω.
Pour tout B ⊂ Ω, et tout k ∈ {1, …, n}, on a
ℙA (B)ℙ(Ak )
ℙB(Ak ) = k

ℙA (B)ℙ(A1) +ℙA (B)ℙ(A2 ) + … + ℙA (B)ℙ(An )

1 2 n

Thomas Bayes
(1702- 1761)
 Indépendance
Rappel : Soit (Ω, ℙ) un espace probabilisé fini.
Deux événements, A et B de Ω, sont dits indépendants ssi
ℙ(A ∩ B ) = ℙ(A ) × ℙ(B ).
A et B sont indépendants si et seulement si ℙB(A) = ℙ(A )
ou de manière équivalente si et seulement si ℙA(B) = ℙ(B ).

Attention : deux événements indépendants n'ont pas de

raison d'être incompatibles…
presque
Par contre, deux événements incompatibles sont toujours :
fortement dépendants !
 Indépendance mutuelle
Soit (Ω, ℙ) un espace probabilisé fini. Soient A1 , A2 …, An des
événements de Ω.
On dit que les événements A1 , A2 …, An sont mutuellements
indépendants, pour toute partie {i1, i2 , … , ik } ⊂ {1, …, n}, on a
ℙ(Ai1∩ A i2∩ … ∩ A ik ) = ℙ(Ai1) × ℙ(Ai2) × … × ℙ(Aik ).

Si des événements sont mutuellement indépendants alors ils

sont deux à deux indépendants, nous verrons en exercice que la
réciproque est fausse…
 TD3 - 1 : Le docteur Gluck
Dans un pays où il naît autant de filles que de garçons, le docteur Gluck
prévoit le sexe des enfants à naître. Il se trompe 1 fois sur 10 si c'est un
garçon et 1 fois sur 20 si c'est une fille. Aujourd'hui, il vient de dire à Mme
Parisod qu'elle aurait une fille. Quelle est la probabilité pour que cela soit
vrai ?
 TD3 - 2 : Les enfants
Votre voisine a deux enfants dont vous ignorez le sexe. On considère les trois
événements suivants :
■ A = « les deux enfants sont de sexes différents »
■ B = « l'aîné est une fille »
■ C = « le cadet est un garçon »

Montrer que A, B et C sont deux à deux indépendants, mais ne sont pas

mutuellement indépendants.
On suppose que la probabilité à la naissance d'avoir
une fille (respectivement un garçon) est égale à 1/2.
 TD3 - 3 : L'éthylotest
La sécurité routière dispose d'éthylotests affichant une fausse alcoolémie
dans 5 % des cas où le conducteur est sobre. Cependant, les éthylotests ne
manquent jamais de détecter un conducteur véritablement ivre.
En moyenne, un conducteur sur mille est ivre au volant.
Supposons que les policiers arrêtent alors un conducteur au hasard et
obligent ce dernier à passer un éthylotest. Celui-ci indique que le conducteur
est ivre. Quelle est la probabilité qu'il soit réellement ivre ?
 TD3 - 4 : L'assurance
Une compagnie d’assurance répartit les assurés en trois classes : personnes à
faible risque, risque modéré et haut risque.
Ses statistiques indiquent que la probabilité qu’une personne soit impliquée
dans un accident sur une période d’un an est respectivement de 0,05 ; 0,15 et
0,30. On estime que 20 % de la population est à bas risque, 50 % à risque
moyen et 30 % à haut risque.
1. Quelle est la proportion d’assurés qui ont eu un accident ou plus au cours
d’une année donnée ?
2. Si un certain assuré n’a pas eu d’accident l’année passée, quelle est la
probabilité qu’il fasse partie de la classe à bas risque ?
 TD3 - 5 : Une histoire d'urne
Une urne contient 8 boules blanches et 2 boules noires, indiscernables au
toucher. On tire sans remise et successivement 3 boules de cette urne.
Quelle est la probabilité qu'au moins une boule noire figure dans le tirage?
Sachant qu'au moins une boule noire figure dans le tirage, quelle est la
probabilité que la première boule tirée soit noire ?
 TD3 - 6 : Le QCM
Un questionnaire à choix multiples propose m réponses pour chaque
question. Soit p la probabilité qu'un étudiant connaisse la bonne réponse à
une question donnée. S'il ignore la réponse, il choisit au hasard l'une des
réponses proposées.
Quelle est pour le correcteur la probabilité qu'un étudiant connaisse vraiment
la bonne réponse lorsqu'il l'a donnée ?
 TD3 - 7 : Le tribunal
Un tribunal de 3 juges déclare un individu coupable lorsque 2 au moins des 3
juges estiment que cette décision est fondée. On admettra que si l’accusé est
effectivement coupable, chaque juge se prononcera dans ce sens avec
probabilité 0,7, ceci indépendamment des 2 autres. Cette probabilité tombe à
0,2 dans le cas où l’accusé est innocent.
70 % des accusés sont coupables.
Calculer la probabilité que le juge 3 vote coupable dans chacune des
situations suivantes :
1. les juges 1 et 2 l’ont fait ;
2. le juge 1 a voté coupable ou le juge 2 a voté coupable ;
3. les juges 1 et 2 ont voté tous deux non coupables.
À suivre
 MERCI
Merci aux tipeurs : ([Link]
Albin Egasse, 123IMPRIM, Mikhail, Séraphin, Alex, HDI Déji, Anonyme,
VINCENT, Agnès Villates, Oz, Jag, pcmslb, Frederic, Damien Bily, Fabrice
Winckel, Metalbib, Melgrin, Manuel, Julien Riposo, Tom,
Annaëlle Lecompte, Nicolas, douglas40, Yohan François, Jérome, PeterPhi,
france, Carla, Hélène, Mouloud, kundalini, Sabrina, Cicatrice, asma, Rida,
Eikichi, Emma, STEEVE, Olivier, Fabien, Etienne, Professeur, Asli Grimaud,
Fab, Elvis, Jérôme, Beche, Romlab, Pierre Guérin, Philippe, Loïc, FlorenceM,
Johanne, pacigrav, Kuider K, Philippe, camiller, Alice, Zauber, elisabeth,
Ramdam, Dada, Guillaume, Yacine, Abdellah, Guérin Daniel, Karim, Bruno,
Lucie, ilias, ladr78, Julian, Olivier, Emeric, Mafalda, mohamed, Philippe
Cornet, Delphine A, Malik, cpaumelle, andrei, alf, Carrocel, LDevilliers, Luc,
Odile, Gillian Seed, Laurence, Manon54❤❤❤