Tiens, l'autre jour, j'étais à une soirée. Vous savez, le genre de soirée où tout le monde se prétend statisticien après deux verres de vin. Bref, je discute avec un type qui me dit, l'air grave : "Tu sais, la probabilité que je gagne au loto cette semaine, sachant que j'ai déjà acheté mon billet, est bien plus élevée que celle de gagner sans billet !" Ah bon ? J'ai souri, intérieurement, en me disant que c'était le moment de sortir mes vieux cours de probabilités... et de lui parler (gentiment, hein!) de probabilité conditionnelle. Parce que, soyons honnêtes, qui n'a jamais mélangé tout ça?
Et ça m'a donné envie de vous concocter un petit article sur ce sujet passionnant (si, si, croyez-moi !), avec, cerise sur le gâteau, des exercices corrigés en PDF. Histoire qu'on puisse tous briller à la prochaine soirée, ou simplement, comprendre un peu mieux le monde qui nous entoure. Parce que, mine de rien, les probabilités, c'est partout !
La probabilité conditionnelle, c'est quoi, au juste ?
Imaginez. Vous tirez une carte d'un jeu. Quelle est la probabilité de tirer un as ? Facile, 4 as sur 52 cartes, soit environ 7,7%. Maintenant, imaginez que je vous dis : "Je te donne un indice : la carte que tu as tirée est un cœur." La probabilité de tirer un as sachant que c'est un cœur est maintenant de 1/13 (un seul as de cœur parmi les 13 cœurs). Vous voyez la différence ?
C'est ça, la probabilité conditionnelle. C'est la probabilité qu'un événement (A) se produise sachant qu'un autre événement (B) s'est déjà produit. On note ça P(A|B), et on lit "probabilité de A sachant B".
La formule magique, celle qu'il faut absolument retenir (ou au moins, savoir où la retrouver), c'est :
P(A|B) = P(A ∩ B) / P(B)
Où :
- P(A|B) est la probabilité de A sachant B
- P(A ∩ B) est la probabilité que A et B se produisent tous les deux (l'intersection de A et B)
- P(B) est la probabilité que B se produise (et il faut absolument que P(B) soit différente de zéro, sinon on divise par zéro, et là, c'est le drame !)
(Oui, je sais, ça peut paraître un peu barbare comme ça, mais avec quelques exemples, ça devient beaucoup plus clair, promis !)
Pourquoi c'est important de comprendre ça ?
Parce que la probabilité conditionnelle, c'est la base de beaucoup de choses ! Ça intervient dans :
- Les tests médicaux : Quelle est la probabilité que vous soyez réellement malade si le test est positif ? (Indice : ce n'est pas forcément 100% !)
- Le marketing : Quelle est la probabilité qu'un client achète un produit, sachant qu'il a déjà cliqué sur une pub ?
- La finance : Quelle est la probabilité qu'une action baisse, sachant que le marché est en crise ?
- L'intelligence artificielle : Les algorithmes de machine learning utilisent énormément la probabilité conditionnelle pour prendre des décisions.
En gros, dès qu'on veut affiner une estimation en tenant compte d'une information supplémentaire, on utilise la probabilité conditionnelle. C'est un outil puissant, et il est bon de savoir l'utiliser.
Passons à la pratique : quelques exemples concrets
Exemple 1 : Les dés pipés (ou pas)
On lance un dé à six faces. On sait que la face 6 est truquée et a deux fois plus de chances de sortir que les autres faces. Quelle est la probabilité d'obtenir un 6 ? Quelle est la probabilité d'obtenir un nombre pair sachant qu'on a obtenu un nombre supérieur à 3 ?
Ici, il faut d'abord calculer la probabilité de chaque face. Si on appelle p la probabilité d'une face non truquée, la probabilité de la face 6 est 2p. Comme la somme de toutes les probabilités doit être égale à 1, on a : 5p + 2p = 1, donc p = 1/7. La probabilité d'obtenir un 6 est donc de 2/7.
Maintenant, pour la probabilité conditionnelle. On cherche P(Pair | >3). Il faut calculer P(Pair ∩ >3) et P(>3).
- Pair ∩ >3 : On veut un nombre pair ET supérieur à 3. Les possibilités sont 4 et 6. P(Pair ∩ >3) = P(4) + P(6) = 1/7 + 2/7 = 3/7
- >3 : On veut un nombre supérieur à 3. Les possibilités sont 4, 5 et 6. P(>3) = P(4) + P(5) + P(6) = 1/7 + 1/7 + 2/7 = 4/7
Donc, P(Pair | >3) = (3/7) / (4/7) = 3/4. Il y a 75% de chances d'avoir un nombre pair si on sait qu'il est supérieur à 3. Pas mal, non?
Exemple 2 : Les maladies rares (et les tests imparfaits)
Une maladie rare touche 0,1% de la population. Un test de dépistage existe, avec une sensibilité de 95% (c'est-à-dire qu'il est positif pour 95% des personnes malades) et une spécificité de 98% (c'est-à-dire qu'il est négatif pour 98% des personnes non malades). Si vous passez le test et qu'il est positif, quelle est la probabilité que vous soyez réellement malade ?
C'est un exemple classique qui montre à quel point la probabilité conditionnelle peut être contre-intuitive. On pourrait penser qu'avec un test aussi performant, un résultat positif signifie presque à coup sûr qu'on est malade. Mais c'est faux !
Appelons M l'événement "être malade" et T l'événement "test positif". On cherche P(M|T).
On sait que :
- P(M) = 0,001 (0,1% de la population est malade)
- P(T|M) = 0,95 (sensibilité du test)
- P(non T|non M) = 0,98 (spécificité du test)
On a besoin de calculer P(T), la probabilité d'avoir un test positif. On peut avoir un test positif en étant malade (M et T) ou en n'étant pas malade (non M et T). Donc P(T) = P(M ∩ T) + P(non M ∩ T).
- P(M ∩ T) = P(T|M) * P(M) = 0,95 * 0,001 = 0,00095
- P(non M ∩ T) = P(T|non M) * P(non M) . On sait que P(non M) = 1 - P(M) = 0,999 et que P(T|non M) = 1 - P(non T|non M) = 1 - 0,98 = 0,02. Donc P(non M ∩ T) = 0,02 * 0,999 = 0,01998
Donc P(T) = 0,00095 + 0,01998 = 0,02093
Enfin, on peut calculer P(M|T) = P(M ∩ T) / P(T) = 0,00095 / 0,02093 = environ 0,045. Seulement 4,5% !
Même avec un test très performant, la probabilité d'être réellement malade si le test est positif est faible. C'est dû au fait que la maladie est rare. C'est pour ça que les tests de dépistage doivent être interprétés avec prudence, et souvent confirmés par d'autres examens.
Votre sésame pour maîtriser la probabilité conditionnelle : des exercices corrigés en PDF !
Bon, assez de théorie, passons à la pratique ! Pour vous aider à vous entraîner, j'ai déniché (ou plutôt, compilé) quelques exercices corrigés en PDF. Vous y trouverez des problèmes de différents niveaux, avec des solutions détaillées pour vous guider pas à pas.
Malheureusement, je ne peux pas vous fournir directement un lien vers un PDF (je n'ai pas de serveur pour héberger ça!). Mais faites une recherche sur Google avec les mots clés "probabilité conditionnelle exercices corrigés pdf" et vous trouverez votre bonheur. Il existe des tonnes de ressources gratuites en ligne, offertes par des universités, des écoles d'ingénieurs, ou des profs passionnés. Fouillez un peu, il y a de quoi faire !
Quelques conseils pour bien utiliser ces exercices :
- Commencez par les exercices les plus simples : Pas la peine de vouloir résoudre un problème de niveau Master dès le début. Construisez vos bases tranquillement.
- Lisez attentivement l'énoncé : Identifiez clairement les événements A et B, et ce qu'on vous demande de calculer.
- Écrivez les formules : Ça peut paraître bête, mais le simple fait d'écrire la formule vous aidera à la mémoriser et à comprendre comment l'appliquer.
- Vérifiez vos résultats : Est-ce que le résultat que vous avez trouvé est plausible ? Est-ce qu'il est compris entre 0 et 1 ?
- N'hésitez pas à chercher de l'aide : Si vous bloquez sur un exercice, consultez la correction, ou posez des questions à un prof, à un ami, ou sur un forum.
Et surtout, n'oubliez pas : la probabilité conditionnelle, c'est comme le vélo, ça s'apprend en pédalant ! Plus vous ferez d'exercices, plus vous deviendrez à l'aise avec ce concept. (Et qui sait, peut-être que vous finirez par impressionner vos amis à la prochaine soirée !)
Derniers petits trucs et astuces
Pour finir, voici quelques points à garder à l'esprit :
- L'indépendance : Si les événements A et B sont indépendants (c'est-à-dire que la réalisation de l'un n'affecte pas la probabilité de l'autre), alors P(A|B) = P(A). Dans ce cas, l'information que B s'est produit ne change rien à la probabilité de A.
- Le théorème de Bayes : C'est une formule qui relie P(A|B) et P(B|A). Elle est très utile pour inverser les probabilités conditionnelles. La formule est la suivante: P(A|B) = [P(B|A) * P(A)] / P(B)
- Méfiez-vous des intuitions : Comme on l'a vu avec l'exemple du test médical, nos intuitions peuvent souvent nous tromper en matière de probabilités. Faites confiance aux formules et aux calculs !
Voilà, j'espère que cet article vous aura éclairé sur la probabilité conditionnelle. N'oubliez pas de vous entraîner avec les exercices corrigés, et surtout, amusez-vous ! Les probabilités, c'est un jeu passionnant (si, si, j'insiste !). À bientôt !
