Calculateur de probabilité

Qu’est-ce que la probabilité ?

La probabilité est la mesure mathématique de la probabilité qu'un événement se produise. Il est exprimé sous la forme d'un nombre compris entre 0 et 1, où 0 signifie que l'événement est impossible et 1 signifie que l'événement est certain. La formule de base est :P(événement) = nombre de résultats favorables ÷ nombre total de résultats possibles.

Par exemple, lorsque vous lancez un dé standard à six faces, la probabilité d’obtenir un 4 est de 1/6 ≈ 0,1667 (environ 16,67 %). Il y a 1 résultat favorable (tirer un 4) sur 6 possibilités également probables. La probabilité peut être exprimée sous forme de fraction (1/6), décimale (0,1667) ou de pourcentage (16,67 %) : les trois formes véhiculent la même information.

L'étude des probabilités a commencé au XVIIe siècle lorsque les mathématiciens Blaise Pascal et Pierre de Fermat ont échangé des lettres sur les problèmes de jeu. Leurs travaux ont jeté les bases de la théorie des probabilités, qui sous-tend aujourd’hui les statistiques, la finance, la physique, l’intelligence artificielle et pratiquement tous les domaines impliquant l’incertitude.

Comment calculer la probabilité : étape par étape

Suivez ces étapes pour calculer la probabilité de tout événement :

1. Définissez l'espace échantillon : Énumérez tous les résultats possibles. Pour un tirage au sort : {Tête, Face} – 2 résultats au total.
2. Identifier les résultats favorables : Comptez les résultats correspondant à l'événement qui vous intéresse. Pour « prendre la tête » : 1 résultat favorable.
3. Appliquez la formule : P = favorable ÷ total = 1 ÷ 2 = 0,5 = 50 %.
4. Vérifiez : La probabilité doit être comprise entre 0 et 1. Si vous obtenez un nombre négatif ou une valeur supérieure à 1, revérifiez vos comptes.

Pour des scénarios plus complexes, vous devrez peut-être utiliser des règles d'addition ou de multiplication. Lerègle d'addition gère les scénarios "ou": P(A ou B) = P(A) + P(B) − P(A et B). Lerègle de multiplicationgère les scénarios « et » : P(A et B) = P(A) × P(B) si A et B sont indépendants.

Comprendre les chances et les probabilités

Probabilité compare les résultats favorables à tous les résultats. Chancescomparer les résultats favorables aux résultats défavorables. Ce sont des mesures liées mais différentes, et les confondre est une erreur courante.

Si la probabilité de gagner un jeu est de 1/4 (25 %), alors : cote en faveur = 1 : 3 (une victoire pour trois défaites) et cote contre = 3 : 1 (trois défaites pour chaque victoire). Pour convertir les cotes en probabilité : si les cotes en faveur sont a:b, alors P = a/(a+b). Si les chances sont de 3:1 en faveur, P = 3/(3+1) = 0,75 = 75 %.

Les paris sportifs utilisent des formats de cotes comme fractionnaire (3/1), décimal (4,0) ou américain (+300). Au format décimal, la probabilité impliquée par une cote de 4,0 est 1/4,0 = 25 %. Les bookmakers intègrent une marge (« vig » ou « juice ») de sorte que les probabilités implicites de tous les résultats totalisent plus de 100 % — c'est ainsi qu'ils profitent quel que soit le résultat.

Types de probabilité

Il existe trois interprétations principales de la probabilité, chacune utile dans des contextes différents :

Probabilité classique (théorique) : Basé sur le raisonnement mathématique et la symétrie. Suppose que tous les résultats sont également probables. Exemples : lancers de pièces de monnaie, lancers de dés, tirages de cartes. La probabilité d'obtenir un 6 est exactement de 1/6 par la symétrie d'un dé équitable - nous n'avons pas besoin de le lancer des milliers de fois pour le savoir.

Probabilité fréquentiste (expérimentale) : Basé sur des données observées lors d'expériences répétées. Si vous lancez une pièce 1 000 fois et obtenez 512 faces, la probabilité expérimentale d'obtenir face est de 512/1 000 = 51,2 %. Selon la loi des grands nombres, la probabilité expérimentale converge vers la probabilité théorique à mesure que le nombre d’essais augmente.

Probabilité bayésienne (subjective) : Représente un degré de croyance, mis à jour à mesure que de nouvelles preuves arrivent. Un météorologue affirmant qu'il y a 70 % de chances qu'il pleuve exprime une probabilité subjective basée sur des modèles atmosphériques. La probabilité bayésienne est largement utilisée dans l'apprentissage automatique, le diagnostic médical et l'inférence scientifique.

Probabilité composée et conditionnelle

Événements indépendants : Deux événements sont indépendants si la survenance de l’un n’affecte pas la probabilité de l’autre. Lancer une pièce deux fois : le deuxième lancer n'est pas affecté par le premier. P(têtes sur les deux) = P(têtes) × P(têtes) = 0,5 × 0,5 = 0,25 = 25 %.

Événements dépendants : Cartes à dessiner sans remplacement. P(la première carte est un as) = ​​4/52. Étant donné que la première était un as, P (la deuxième carte est aussi un as) = ​​3/51 (moins d'as et moins de cartes). P(les deux as) = ​​(4/52) × (3/51) = 12/2652 ≈ 0,45 %.

Probabilité conditionnelle : P(A|B) — la probabilité que A étant donné que B s'est produit — est calculée comme P(A et B) / P(B). Par exemple, dans une classe de 30 élèves dont 12 sont des athlètes et 8 sont à la fois des athlètes et des élèves au tableau d'honneur : P(tableau d'honneur | athlète) = (8/30) / (12/30) = 8/12 ≈ 0,667 = 66,7 %.

Théorème de Bayes : P(UNE|B) = P(B|UNE) × P(UNE) / P(B). Cette formule puissante permet de mettre à jour la probabilité d’une hypothèse lorsque de nouvelles preuves arrivent. Il est utilisé dans les tests médicaux, le filtrage du spam et d’innombrables algorithmes d’apprentissage automatique.

Distributions de probabilité

Lorsque nous mesurons des phénomènes aléatoires à plusieurs reprises, les résultats forment undistribution de probabilité — une description des résultats qui se produisent et à quelle fréquence. Les distributions clés incluent :

Ledistribution normale est le plus important en statistique en raison du théorème central limite : la moyenne de nombreuses variables aléatoires indépendantes tend vers une distribution normale, quelle que soit la distribution d'origine. C'est pourquoi les résultats des tests, les tailles et les erreurs de mesure sont souvent distribués normalement.

Applications réelles des probabilités

Médecine : Les essais cliniques utilisent la probabilité pour évaluer si un traitement fonctionne mieux que le hasard. Les tests de diagnostic ont une sensibilité (taux de vrais positifs) et une spécificité (taux de vrais négatifs) exprimées sous forme de probabilités. Un résultat de test positif ne signifie pas la certitude de la maladie : le théorème de Bayes calcule la probabilité réelle en fonction de la précision du test et de la prévalence de la maladie.

Assurance : Les assureurs calculent la probabilité de sinistres pour tarifer les primes de manière rentable. Un actuaire en assurance-vie utilise des tables de mortalité (probabilité de mourir à chaque âge) pour déterminer le montant à facturer pour une police.

Finances : Les modèles d'évaluation des options (Black-Scholes) utilisent la probabilité pour évaluer les produits dérivés. La valeur à risque (VaR) quantifie la probabilité de perdre plus qu'un montant donné. La théorie du portefeuille utilise la probabilité pour optimiser le compromis entre le rendement attendu et le risque.

Apprentissage automatique : Les modèles de classification produisent des probabilités. Les classificateurs Bayes naïfs, la régression logistique et les réseaux de neurones avec sorties softmax produisent tous des prédictions probabilistes. Chaque filtre anti-spam de votre boîte de réception utilise la probabilité pour décider quels messages mettre en quarantaine.

Erreurs de probabilité courantes à éviter

L'erreur du joueur : Croire que les événements aléatoires passés influencent les événements futurs. Après qu’une pièce tombe sur face 10 fois de suite, la probabilité d’obtenir face au prochain lancer est toujours exactement de 50 %. La pièce n'a pas de mémoire. Les gens qui pensent que « pile est dû » commettent l’erreur du joueur.

Confondre « Ou » avec « Et » : La "Probabilité d'obtenir un 1 OU un 2" est P(1) + P(2) = 1/6 + 1/6 = 1/3 (puisqu'ils ne peuvent pas se produire tous les deux simultanément). "La probabilité de lancer un 1 d'abord ET ensuite un 2" est de 1/6 × 1/6 = 1/36 (les événements indépendants se multiplient).

Ignorer les tarifs de base :L’erreur du taux de base se produit lorsque les gens ignorent les probabilités antérieures. Une maladie rare touche 1 personne sur 10 000. Un test est précis à 99%. Si votre test est positif, la probabilité que vous souffriez réellement de la maladie est étonnamment faible – seulement environ 1 %, calculé via le théorème de Bayes – car la maladie est si rare que les faux positifs sont plus nombreux que les vrais positifs.

Probabilités dans le sport, la météo et la vie quotidienne

La probabilité est ancrée dans le langage courant. Une prévision météorologique de « 70 % de probabilité de pluie » signifie que dans des situations historiques avec des conditions atmosphériques similaires, il a plu 70 % du temps. Cela ne veut pas dire qu’il pleuvra 70 % de la journée. Il s’agit d’une probabilité fréquentiste appliquée à un seul événement futur – une prédiction intrinsèquement probabiliste.

Dans le sport, les cotes des paris impliquent des probabilités. Si la cote d'une équipe est de 2,50 au format décimal, la probabilité implicite de gagner est de 1/2,50 = 40 %. Les bookmakers ajoutent une marge (surround) pour que la somme des probabilités sur tous les résultats soit supérieure à 100 % – c'est leur mécanisme de profit. Comparer vos probabilités estimées aux probabilités implicites du bookmaker est l'exercice fondamental de l'analyse de la valeur des paris sportifs.

Les programmes de dépistage médical utilisent des concepts de probabilité pour équilibrer les faux positifs et les faux négatifs. Une mammographie avec une sensibilité de 90 % et une spécificité de 95 % semble excellente, mais si la prévalence du cancer du sein dans la population dépistée est de 1 %, la valeur prédictive positive (probabilité de cancer en cas de test positif) n'est que d'environ 15 %. Comprendre ces chiffres est crucial pour une prise de décision médicale éclairée.

Permutations, combinaisons et principes de comptage

De nombreux problèmes de probabilité nécessitent de compter avec précision les résultats favorables et totaux. Deux outils de comptage fondamentaux sont les permutations et les combinaisons.

Permutations comptez les arrangements où l’ordre compte. Le nombre de façons d'organiser k éléments à partir de n éléments distincts : P(n,k) = n!/(n−k)!. Pour 5 coureurs dans une course avec médailles pour le 1er, 2ème, 3ème : P(5,3) = 5!/2 ! = 60 commandes possibles.

Combinaisons comptez les sélections où l'ordre n'a pas d'importance : C(n,k) = n!/(k!(n−k)!). Pour une loterie choisissant 6 numéros de 1 à 49 : C(49,6) = 13 983 816 combinaisons possibles. Probabilité de gagner = 1/13 983 816 ≈ 0,0000071 % ≈ 1 sur 14 millions.

Leprincipe de multiplication: si un choix a m options et un autre n options, il y a m × n combinaisons totales. Un restaurant avec 4 entrées, 6 plats et 3 desserts a 4×6×3 = 72 repas possibles à trois plats. C’est la base de la construction d’espaces d’échantillonnage dans des problèmes de probabilité complexes.

Le problème de l'anniversaire et la probabilité contre-intuitive

La probabilité produit souvent des résultats qui semblent erronés à l’intuition humaine. Le problème des anniversaires est l’exemple le plus célèbre : combien de personnes faut-il dans une pièce pour qu’il y ait 50 % de chances que deux d’entre elles partagent un anniversaire ? La plupart des gens estiment un grand nombre comme 183 (la moitié de 365). La vraie réponse est simplement23 personnes.

Le calcul utilise la probabilité complémentaire : P(au moins un anniversaire partagé) = 1 − P(pas d'anniversaire partagé). P(pas d'anniversaire partagé) pour 23 personnes = (365/365) × (364/365) × (363/365) × … × (343/365) ≈ 0,493. Donc P(au moins une correspondance) = 1 − 0,493 ≈ 50,7 %.

La raison pour laquelle il est si faible est le nombre de paires : avec 23 personnes, il y a C(23,2) = 253 paires possibles, chacune avec une petite (~0,27 %) chance de correspondre. Avec autant d’occasions indépendantes, un match devient plus probable qu’improbable. Cette logique s'étend à la sécurité : avec seulement 82 personnes, il y a 99,9 % de chances d'avoir un anniversaire partagé. Pour les collisions de hachage en cryptographie (un problème connexe appelé « attaque d'anniversaire »), ce calcul montre pourquoi les fonctions de hachage nécessitent de très grands espaces de sortie.

D'autres résultats de probabilité contre-intuitifs incluent le problème de Monty Hall (changer de porte gagne 2/3 du temps), le théorème de la ruine du joueur (même un léger avantage de la maison garantit la faillite du joueur à long terme) et le paradoxe de Simpson (une tendance apparaissant dans plusieurs groupes peut s'inverser lorsque les groupes sont combinés). Ces exemples illustrent pourquoi les calculs de probabilité formels sont plus fiables que l’intuition.

Notation de probabilité et référence terminologique

Utiliser ce calculateur de probabilité

Entrez le nombre de résultats favorables et le total des résultats possibles. La calculatrice renvoie la probabilité sous forme décimale, en pourcentage, et exprime les chances pour et contre. Vérifiez vos contributions : les résultats favorables doivent être non négatifs et ne peuvent pas dépasser les résultats totaux. Les résultats totaux doivent être positifs. Les résultats sont mis à jour instantanément : idéal pour vérifier les problèmes en classe, la pratique des examens et la vérification des calculs manuels. Tous les scénarios de probabilité courants peuvent être modélisés en comptant correctement vos résultats favorables et totaux avant de saisir les valeurs.