Comment calculer la probabilité d’un événement quand plusieurs “scénarios” sont possibles, chacun avec sa propre chance de se produire ? La formule des probabilités totales répond exactement à cette question : on décompose la situation en cas simples, puis on additionne les bonnes branches de l’arbre. Cette loi transforme un problème global en une somme de cas bien organisés, à condition d’avoir repéré une vraie partition de l’univers et des événements disjoints. À travers des exemples chiffrés, un tableau comparatif et un arbre de probabilités, ce texte suit pas à pas le raisonnement plutôt que de livrer une recette magique. L’objectif est que la prochaine fois qu’un exercice parlera de “modes de fonctionnement d’une machine”, de “fournisseurs différents” ou de “voies possibles pour un trajet”, le réflexe vienne tout seul : identifier les scénarios, les rendre exclusifs, puis appliquer le théorème des probabilités totales. En filigrane, le lien avec la probabilité conditionnelle, la formule de probabilité de Bayes et les probabilités composées sera progressivement mis en lumière, comme une carte qui se complète au fur et à mesure. 🎯
En bref
- 📌 Les probabilités totales calculent la probabilité d’un événement global en le décomposant en plusieurs cas exclusifs.
- 🧩 Il faut une vraie partition de l’univers : des événements disjoints qui couvrent tous les cas possibles.
- 🌳 Sur un arbre pondéré, on multiplie le long de chaque chemin puis on additionne les chemins menant à l’événement étudié.
- ⚙️ Typiquement, on connaît la probabilité conditionnelle dans chaque cas mais pas la probabilité globale.
- 🔁 La loi des probabilités totales sert souvent de dénominateur à la formule de Bayes dans les exercices avancés.
Formule des probabilités totales : énoncé clair et conditions d’application
La formule des probabilités totales affirme que si une expérience aléatoire est découpée en cas exclusifs, la probabilité d’un événement se calcule comme une somme des probabilités de chaque cas pondéré par sa probabilité. Autrement dit, on additionne les chemins de l’arbre qui mènent à l’événement étudié.
Mathématiquement, si (A₁, A₂, …, Aₙ) est une partition de l’univers (événements deux à deux incompatibles et dont la réunion est tout l’univers), alors pour tout événement B :
P(B) = P(A₁)P(B | A₁) + P(A₂)P(B | A₂) + … + P(Aₙ)P(B | Aₙ)
Chaque terme P(Aᵢ) × P(B | Aᵢ) représente la probabilité d’un chemin complet sur l’arbre : d’abord le cas Aᵢ, puis l’événement B à l’intérieur de ce cas. Le rôle du théorème des probabilités totales est donc de relier une probabilité conditionnelle (B sachant Aᵢ) à une probabilité globale P(B).
Conditions sur les événements disjoints et la partition de l’univers
Pour que le théorème des probabilités totales soit valide, les événements A₁, …, Aₙ doivent former une partition de l’univers. Cela impose deux conditions très précises.
D’abord, les Aᵢ sont événements disjoints deux à deux : aucun ne peut se produire en même temps qu’un autre. Ensuite, leur réunion couvre tous les cas possibles, donc l’un des Aᵢ se produit à chaque réalisation de l’expérience. Ce double critère évite de comptabiliser deux fois certains résultats ou d’en oublier.
| Critère ✅ | Exigence pour la partition de l’univers | Conséquence sur la somme des probabilités |
|---|---|---|
| 🚫 Disjonction | Aᵢ ∩ Aⱼ = ∅ si i ≠ j, pas de recoupement entre les cas | Aucune issue n’est comptée deux fois dans la somme des probabilités |
| 🧩 Exhaustivité | A₁ ∪ … ∪ Aₙ = Ω, tous les cas possibles sont inclus | La probabilité totale de B ne laisse aucun “trou” dans l’univers |
Quand ces deux conditions sont réunies, la loi des probabilités totales devient un outil fiable et puissant. Sans elles, la formule ressemble encore à un joli calcul, mais elle ne décrit plus la réalité de l’expérience.
Arbre de probabilité et formule de probabilité : deux lectures d’une même situation
Visuellement, les probabilités composées se lisent presque toujours sur un arbre de probabilité. Sur chaque branche, on multiplie les probabilités pour descendre le long d’un chemin, puis on additionne les chemins qui mènent au même résultat final.
Cette représentation graphique donne une intuition très forte de la formule de probabilité utilisée dans le théorème des probabilités totales : la formule n’est rien d’autre qu’une traduction en langage algébrique de ce que l’œil voit déjà sur l’arbre. Pour approfondir cette idée, un détour par un cours détaillé sur l’arbre de probabilité est très utile.
Comparer texte, formule et arbre pour les probabilités totales
Avant de se lancer dans les calculs, un élève comme le fictif Malik peut hésiter : vaut-il mieux raisonner en phrases, écrire une formule directement ou tracer un schéma ? Chaque représentation souligne un aspect différent de la loi des probabilités.
Le tableau suivant compare ces trois points de vue pour guider ce choix, selon le type d’exercice rencontré en première ou terminale. Un même problème peut d’ailleurs passer d’une colonne à l’autre au cours de la résolution.
| Représentation 📚 | Atout principal | Quand la privilégier ? |
|---|---|---|
| Texte (phrases) | Clarifie qui dépend de quoi, repère les cas A₁, A₂, … | Au début, pour décoder l’énoncé et repérer la partition de l’univers 😊 |
| Formule algébrique | Condense le raisonnement, facilite les calculs précis | Quand les probabilités sont données sous forme de fractions ou de décimales |
| Arbre pondéré 🌳 | Visualise les chemins, rend concrètes les probabilités totales | Quand plusieurs scénarios s’enchaînent et que l’on veut éviter les oublis |
Alterner entre ces trois registres n’est pas un luxe, c’est une stratégie pour contrôler l’exactitude du résultat. Si le schéma, le texte et la formule racontent la même histoire, le calcul repose sur un socle solide.
Exemple 1 : formule des probabilités totales avec plusieurs fournisseurs
Un atelier reçoit des pièces de trois fournisseurs, ce qui crée naturellement trois cas exclusifs. C’est un terrain idéal pour appliquer les probabilités totales. Cas fictif : une entreprise reçoit ses pièces de F₁, F₂ et F₃, dans des proportions et avec des taux de défauts différents.
On suppose :
- 🏭 F₁ fournit 50 % des pièces, avec 2 % de défauts ;
- 🏭 F₂ fournit 30 % des pièces, avec 4 % de défauts ;
- 🏭 F₃ fournit 20 % des pièces, avec 5 % de défauts.
On note D l’événement “la pièce est défectueuse”. Les trois événements “la pièce vient de F₁”, “de F₂”, “de F₃” sont événements disjoints et forment une partition de l’univers. On peut donc écrire :
P(D) = P(F₁)P(D | F₁) + P(F₂)P(D | F₂) + P(F₃)P(D | F₃)
En remplaçant par les valeurs numériques : P(D) = 0,5 × 0,02 + 0,3 × 0,04 + 0,2 × 0,05 = 0,01 + 0,012 + 0,01 = 0,032. La probabilité qu’une pièce prise au hasard soit défectueuse vaut donc 3,2 %.
Contrôle du résultat : ordre de grandeur et arbre de probabilité
Comment vérifier que ce 3,2 % est cohérent sans tout recalculer ? D’abord, un contrôle d’ordre de grandeur : les taux de défauts sont entre 2 % et 5 %, donc le résultat global doit se situer entre ces deux valeurs. Les 3,2 % calculés se trouvent bien dans cette fourchette, ce qui est rassurant.
Ensuite, un contrôle graphique : l’arbre de probabilité a trois premières branches (F₁, F₂, F₃) dont les probabilités 0,5, 0,3 et 0,2 s’additionnent bien à 1. Chaque branche se sépare ensuite en “défectueuse” et “non défectueuse”, avec les probabilités compatibles avec les taux donnés. La somme des produits le long des trois chemins qui se terminent en D redonne 0,032. L’arbre raconte donc exactement le même résultat que la formule.
Exemple 2 : machine à deux modes et probabilités composées
Dans un second décor, imaginons une machine de production qui a deux modes de fonctionnement, A et B. La machine ne choisit pas au hasard à chaque fois, mais passe une partie du temps en mode A et le reste en mode B. Là encore, on obtient une situation typique de probabilités composées.
On suppose :
- ⚙️ La machine fonctionne 60 % du temps en mode A, avec 1 % de rebuts.
- ⚙️ Elle est en mode B dans 40 % des cas, avec 3 % de rebuts.
On note R l’événement “la pièce est rebutée”. Les modes A et B sont incompatibles et couvrent toutes les situations, ils constituent donc une partition de l’univers. La formule des probabilités totales s’écrit :
P(R) = P(A)P(R | A) + P(B)P(R | B)
Numériquement : P(R) = 0,6 × 0,01 + 0,4 × 0,03 = 0,006 + 0,012 = 0,018. La probabilité qu’une pièce soit rebutée est de 1,8 %.
Ce que révèle une mauvaise démarche dans cet exemple
Un piège courant serait de calculer une moyenne naïve des taux de rebut, par exemple (1 % + 3 %) / 2 = 2 %, comme si les deux modes devaient “peser” autant. Cette erreur trahit un oubli d’un élément central de la loi des probabilités : les cas n’ont pas tous la même fréquence.
La formule correcte tient compte du fait que le mode A apparaît plus souvent que le mode B, grâce aux facteurs 0,6 et 0,4. L’erreur de moyenne simple apprend donc quelque chose sur la situation : elle signale que les poids des cas A et B n’ont pas été pris en compte. C’est précisément ce que la formule de probabilité des totales corrige.
Lien entre probabilité conditionnelle et théorème des probabilités totales
Dans chaque exemple vu jusqu’ici, les données fournies par l’énoncé sont de la forme “probabilité de D sachant telle cause”. Ces valeurs sont des probabilités conditionnelles, notées P(B | Aᵢ). Le théorème des probabilités totales organise ces données conditionnelles pour retrouver la probabilité globale de B.
En langage scolaire, la démarche typique est la suivante : on connaît P(Aᵢ) et P(B | Aᵢ), mais pas P(B). L’outil adapté est alors la formule des probabilités totales. Pour travailler plus en détail cette notion, un passage par un cours spécialisé sur la probabilité conditionnelle est particulièrement utile.
Formule P(B) = somme des P(Aᵢ)P(B | Aᵢ) expliquée simplement
La formule P(B) = Σ P(Aᵢ)P(B | Aᵢ) se lit comme une phrase : “la probabilité que B se produise est la somme, pour chaque cas Aᵢ, de la probabilité d’être dans ce cas multipliée par la probabilité que B se produise dans ce cas”.
On voit bien la structure de probabilités composées : un premier étage qui choisit le cas Aᵢ, un second étage qui regarde B à l’intérieur de ce cas. Il s’agit en réalité d’une application répétée de la formule P(A ∩ B) = P(A)P(B | A), connue dès le début du chapitre de probabilité conditionnelle.
Formule de Bayes et loi des probabilités totales : deux faces d’une même pièce
Dans les exercices avancés de première et terminale, la formule de Bayes et la loi des probabilités totales apparaissent souvent ensemble. La première remonte de l’effet vers la cause, la seconde descend de la cause vers l’effet. Elles s’appuient toutes deux sur les mêmes briques : P(Aᵢ), P(B | Aᵢ) et les intersections de ces événements.
Pour Bayes, la probabilité recherchée est souvent P(Aᵢ | B), parfois appelée “probabilité a posteriori”. Pour la calculer, le dénominateur P(B) provient directement d’une application du théorème des probabilités totales. La frontière entre les deux outils est donc plus une question de sens de lecture qu’une différence profonde de nature.
Quand penser à la formule des probabilités totales dans un exercice ?
Un bon indicateur est la structure de l’énoncé. Quand il mentionne des cas du type “si le client est nouveau / fidèle / premium” ou “si le test est positif / négatif”, la présence d’une partition de l’univers se profile. De plus, lorsque les données sont de la forme “probabilité de B dans chaque cas, mais pas de probabilité globale”, l’idée de probabilités totales devient très pertinente.
On peut résumer le réflexe à adopter par une petite liste :
- 🔍 Plusieurs scénarios exclusifs sont décrits, qui couvrent toutes les possibilités.
- 📊 Les probabilités conditionnelles P(B | scénario) sont connues.
- ❓ L’énoncé demande P(B) sans préciser le scénario d’origine.
Dans ces situations, tracer un arbre puis appliquer la formule de probabilité des totales évite beaucoup d’hésitations algébriques.
Diagnostic d’erreurs fréquentes sur les probabilités totales
Certaines erreurs reviennent régulièrement dans les copies, et chacune révèle un point du raisonnement qui demande à être clarifié. Les regarder de près sert autant à renforcer la compréhension qu’à éviter de les reproduire.
Une confusion fréquente est de penser que “partition” signifie seulement “plusieurs cas possibles”. Or, tant que les cas ne sont pas événements disjoints qui recouvrent tout l’univers, la formule des probabilités totales n’est pas applicable telle quelle. Une autre erreur consiste à oublier un cas dans la somme, ce qui produit une probabilité trop faible.
Exemple d’erreur : cas qui se recoupent
Dans un problème de météo, un élève peut vouloir écrire une somme de probabilités selon “matin” et “après-midi” alors que l’événement étudié dépend des deux moments simultanément. Ces cas se chevauchent, ce ne sont pas des événements disjoints. L’application brute du théorème des probabilités totales crée alors une double comptabilisation.
Le remède consiste à redéfinir des cas réellement exclusifs, par exemple “pluie le matin et pas l’après-midi”, “pluie l’après-midi et pas le matin”, “pluie les deux”, “aucune pluie”. On retrouve alors une vraie partition de l’univers, et la somme des probabilités de ces cas vaut à nouveau 1, ce qui rend la formule fiable.
Relier les probabilités totales aux autres notions du programme
La force des probabilités totales ne se limite pas à quelques exercices isolés. Cette formule se relie à toute une famille de notions abordées en première et en terminale : arbres pondérés, probabilité conditionnelle, indépendance, lois usuelles comme la loi binomiale.
Par exemple, lorsque l’on modélise une expérience par une loi binomiale, la probabilité de “k succès” peut se voir comme une somme de chemins d’un grand arbre de profondeur n. Conceptuellement, cette somme est proche de ce que le théorème des probabilités totales formalise sur un nombre fini de cas. Pour élargir ce panorama, un détour par un cours détaillé sur la probabilité de A sachant B offre une vision complémentaire.
Un fil conducteur pour les prochains exercices
Dans une classe de lycée, un personnage fictif comme Léa peut servir de repère mental : chaque fois qu’un énoncé se présente, on peut se demander “quels seraient les cas que Léa distinguerait ici ?”. Tant que ces cas restent flous, il est prématuré de lancer des calculs.
Une fois les scénarios bien identifiés, vérifier qu’ils sont exclusifs et couvrants devient un réflexe. Ce n’est qu’après ce contrôle que la formule P(B) = Σ P(Aᵢ)P(B | Aᵢ) prend tout son sens. La prochaine fois que surgira une situation avec plusieurs voies possibles menant à un même résultat, la question clé sera alors : “quels chemins de mon arbre dois-je additionner pour retrouver la probabilité globale recherchée ?”.
Quelles sont exactement les conditions pour appliquer la formule des probabilités totales ?
La formule des probabilités totales s’applique lorsque les événements A₁, A₂, …, Aₙ forment une partition de l’univers : ils sont deux à deux incompatibles (aucun ne se produit en même temps qu’un autre) et leur réunion est l’ensemble des issues possibles. Dans ce cadre, tout événement B vérifie P(B) = Σ P(Aᵢ)P(B | Aᵢ).
Comment savoir dans un exercice qu’il faut utiliser les probabilités totales ?
Un bon indice est la présence de plusieurs scénarios exclusifs décrits dans l’énoncé, avec des probabilités conditionnelles données dans chaque cas, alors que la probabilité globale de l’événement n’est pas fournie. Si les cas couvrent toutes les possibilités et que l’on s’intéresse à la probabilité de B sans préciser le cas, le théorème des probabilités totales est l’outil adapté.
Quel est le lien entre probabilité conditionnelle et probabilités totales ?
Les données de la formule des probabilités totales sont souvent de la forme P(B | Aᵢ), qui sont des probabilités conditionnelles. Le théorème combine ces valeurs avec P(Aᵢ) pour obtenir P(B). On part donc des probabilités de B dans chaque cas Aᵢ pour reconstruire la probabilité globale de B, ce qui relie directement probabilités conditionnelles et loi des probabilités totales.
Comment vérifier qu’un résultat obtenu avec les probabilités totales est cohérent ?
On peut d’abord contrôler l’ordre de grandeur : la probabilité trouvée doit se situer entre les plus petites et les plus grandes probabilités conditionnelles P(B | Aᵢ). On peut aussi vérifier que la somme des P(Aᵢ) vaut bien 1 et tracer un arbre de probabilité pour s’assurer que tous les chemins menant à B ont été pris en compte, une seule fois chacun.
La formule des probabilités totales fonctionne-t-elle avec un nombre infini de cas ?
Au lycée, le théorème des probabilités totales est utilisé sur un nombre fini de cas, ce qui suffit pour tous les exercices du programme. Dans un cadre plus avancé, il existe des généralisations à des familles infinies d’événements, mais elles nécessitent des outils d’analyse plus techniques qui dépassent le niveau seconde–terminale.