Probabilités conditionnelles et indépendance

Introduction

Les probabilités conditionnelles et l'indépendance des événements sont des concepts fondamentaux en mathématiques, particulièrement en statistique et dans le domaine de la prise de décision. Comprendre ces notions permet d'analyser des situations complexes et de tirer des conclusions éclairées à partir de données. Dans ce cours, nous allons explorer ces concepts à travers des définitions, des formules et des exemples concrets.

1. Probabilité conditionnelle

La probabilité conditionnelle d'un événement A sachant un événement B, notée P(A|B), représente la probabilité que A se produise sous la condition que B soit déjà réalisé. La formule de la probabilité conditionnelle est donnée par :

$$ P(A|B) = \frac{P(A \cap B)}{P(B)} $$

1.1 Interprétation

Cette formule nous indique que pour calculer la probabilité de A sachant B, nous devons connaître la probabilité conjointe de A et B ainsi que la probabilité de B.

Exemple concret

Imaginons qu'une entreprise ait 60% de chances de réaliser un bénéfice (B) et que, parmi ces cas, 30% des bénéfices proviennent d'une innovation (A). Pour savoir quelle est la probabilité d'avoir un bénéfice provenant d'une innovation, on calcule :

• P(B) = 0,6


• P(A ∩ B) = 0,3 × 0,6 = 0,18


• Donc, P(A|B) = 0,18 / 0,6 = 0,3.

2. Indépendance des événements

Deux événements A et B sont dits indépendants si la réalisation de l'un n'affecte pas la probabilité de l'autre. Mathématiquement, cela se traduit par :

$$ P(A \cap B) = P(A) \times P(B) $$

2.1 Vérification de l'indépendance