Scheda di revisione: Introduction aux probabilités conditionnelles

1. 📌 L'essentiel

• Une aléatoire possède un univers $\Omega$ avec une loi de probabilité associée- La probabilité d’un événement $A$ est notée $P(A)$, avec $0 \leq P(A) \leq 1$.
• La somme des probabilités de toutes les issues de $\Omega$ est égale à 1.
• La formule fondamentale : $P(A \cup B) = P(A) + P(B) - P(A \cap B)$.
• Probabilité conditionnelle : $P(A|B) = \frac{P(A \cap B)}{P(B)}$, si $P(B) > 0$.
• Deux événements sont indépendants si $P(A \cap B) = P(A) \times P(B)$.
• La formule de Bayes permet de calculer $P(A|B)$ à partir de $P(B|A)$, $P(A)$ et $P(B)$.
• La fréquence observée tend vers la probabilité réelle avec un grand nombre de répétitions.
• La complémentarité : $P(\overline{A}) = 1 - P(A)$.
• La loi de probabilité doit respecter la somme totale = 1.

2. 🧩 Structures & Composants clés

• Univers $\Omega$ — ensemble de toutes les issues possibles d'une expérience.
• Événement $A$ — sous-ensemble de $\Omega$ représentant une issue particulière.
• Probabilité $P(A)$ — mesure de la chance que l’événement $A$ se réalise.
• Complément $\overline{A}$ — événement que $A$ ne se produise pas.
• Union $A \cup B$ — événement que $A$ ou $B$ ou les deux se produisent.
• Intersection $A \cap B$ — événement que $A$ et $B$ se produisent simultanément.
• Probabilité conditionnelle $P(A|B)$ — probabilité que $A$ se produise sachant que $B$ est réalisé.
• Indépendance — deux événements dont la probabilité conjointe est le produit de leurs probabilités.

3. 🔬 Fonctions, Mécanismes & Relations

• La probabilité d’un événement est une valeur dans [0;1].
• La relation fondamentale :

  P(A ∪ B) = P(A) + P(B) - P(A ∩ B)
  

• Si $A$ et $B$ sont indépendants :

  P(A ∩ B) = P(A) × P(B)
  

• La probabilité conditionnelle :

  P(A|B) = P(A ∩ B) / P(B)
  

• La formule de Bayes :

  P(A|B) = (P(B|A) × P(A)) / P(B)
  

• La fréquence observée dans un grand nombre de répétitions tend vers la probabilité réelle.
• La complémentarité :

  P(\overline{A}) = 1 - P(A)
  

4. Tableau de synthèse

5. Diagramme hiérarchique ASCII

Probabilités
 ├─ Univers $\Omega$
 ├─ Événements A, B, C
 │   ├─ Probabilité $P(A)$
 │   ├─ Complément $P(\overline{A})$
 │   └─ Union $P(A \cup B)$
 ├─ Relations
 │   ├─ $P(A \cup B) = P(A) + P(B) - P(A \cap B)$
 │   └─ $P(A|B) = \frac{P(A \cap B)}{P(B)}$
 └─ Formule de Bayes
     └─ $P(A|B) = \frac{P(B|A) P(A)}{P(B)}$

6. ⚠️ Pièges & Confusions fréquentes

• Confondre $P(A \cup B)$ et $P(A \cap B)$.
• Oublier que $P(\overline{A}) = 1 - P(A)$.
• Confondre indépendance et dépendance.
• Utiliser la formule de Bayes sans vérifier que $P(B) > 0$.
• Confondre probabilité et fréquence.
• Croire que $P(A \cap B) = P(A) \times P(B)$ pour tout événement.
• Oublier que $P(A|B)$ n’est défini que si $P(B) > 0$.
• Confondre événements complémentaires avec disjoints.

7. ✅ Checklist Examen Final

• Connaître la définition d’une expérience aléatoire et d’un univers $\Omega$.
• Savoir calculer $P(A)$, $P(\overline{A})$, $P(A \cup B)$, $P(A \cap B)$.
• Maîtriser la formule de la probabilité conditionnelle $P(A|B)$.
• Savoir quand deux événements sont indépendants.
• Appliquer la formule de Bayes pour inverser une condition.
• Comprendre la relation entre fréquence et probabilité.
• Être capable d’utiliser un tableau croisé pour calculer des probabilités.
• Vérifier que la somme des probabilités des issues est 1.
• Connaître la différence entre événements complémentaires et disjoints.
• Savoir que $P(A) \in [0,1]$.
• Identifier si deux événements sont dépendants ou indépendants.
• Utiliser la formule de Bayes dans un contexte pratique.
• Respecter la condition $P(B) > 0$ pour $P(A|B)$.
• Comprendre la notion d’indépendance par rapport à $P(A \cap B)$.
• Savoir représenter la hiérarchie des événements en arborescence.
• Être capable d’interpréter un problème probabiliste et de choisir la formule adaptée.