Calculateur de probabilité

Un calculateur de probabilité transforme des hypothèses sur des résultats possibles en valeurs numériques. Cet outil traite un événement unique, deux événements, la loi binomiale et le théorème de Bayes, tout en affichant les formules utilisées.

Un calcul exact ne garantit pas que le modèle choisi soit réaliste. Les événements doivent être définis clairement, les probabilités doivent concerner la même population ou expérience, et les hypothèses d’indépendance ou de taux constant doivent être justifiées.

Ce que calcule l’outil

Le calculateur comporte quatre modes :

• Événement unique à partir des cas favorables et du nombre total de cas équiprobables ;
• Deux événements indépendants ou avec une intersection connue ;
• Loi binomiale pour exactement, au plus, au moins ou entre deux nombres de succès ;
• Théorème de Bayes pour actualiser une probabilité après une nouvelle observation.

Selon le mode, les résultats peuvent inclure la probabilité, le pourcentage, le complément, les cotes, l’intersection, l’union, les probabilités conditionnelles, l’espérance, la variance, l’écart type et la probabilité a posteriori.

Comment utiliser le calculateur de probabilité

1. Choisissez le mode correspondant au problème.
2. Sélectionnez le format décimal ou pourcentage lorsque ce choix est proposé.
3. Saisissez les probabilités ou les nombres de cas nécessaires.
4. Pour deux événements, indiquez s’ils sont indépendants ou si leur intersection est connue.
5. Pour la loi binomiale, choisissez exactement, au plus, au moins ou entre.
6. Réglez la précision d’affichage.
7. Cliquez sur Calculer.
8. Examinez la formule et les hypothèses avant d’utiliser le résultat.

Échelle de probabilité et formats

Toute probabilité est comprise entre 0 et 1 :

0 ≤ P(A) ≤ 1

Cet intervalle correspond à 0 %–100 %.

• 0 ou 0 % : événement impossible dans le modèle ;
• 1 ou 100 % : événement certain dans le modèle ;
• 0,5 et 50 % : même probabilité.

Le format doit correspondre à la saisie. La valeur 25 est invalide en mode décimal. La valeur 0,25 en mode pourcentage signifie 0,25 %, et non 25 %.

Probabilité d’un événement unique

Lorsque tous les résultats élémentaires sont équiprobables :

P(A) = cas favorables ÷ nombre total de cas

La condition d’équiprobabilité est essentielle. Compter trois cas favorables sur huit ne suffit pas si certains cas sont plus probables que d’autres.

Probabilité complémentaire

Le complément de A signifie que A ne se produit pas :

P(non A) = 1 − P(A)

Dans l’exemple :

P(non bleu) = 1 − 0,375 = 0,625 = 62,5 %

La règle du complément simplifie souvent les questions portant sur « au moins un » succès.

Cotes en faveur et cotes contre

Les cotes comparent la probabilité favorable à la probabilité défavorable.

Cotes en faveur = P(A) : P(non A)

Cotes contre = P(non A) : P(A)

Avec trois cas favorables et cinq cas défavorables, les cotes en faveur sont 3:5 et les cotes contre 5:3.

Les cotes ne sont pas une probabilité. Des cotes de 3:5 correspondent à 3 ÷ (3 + 5) = 3/8.

Probabilité de deux événements

Pour deux événements A et B, on distingue l’intersection et l’union.

• P(A ∩ B) : A et B se produisent ensemble ;
• P(A ∪ B) : A, B ou les deux se produisent.

La règle générale d’addition est :

P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

L’intersection est soustraite une fois parce qu’elle a été comptée dans P(A) et P(B).

Événements indépendants

Deux événements sont indépendants lorsque la réalisation de l’un ne change pas la probabilité de l’autre.

P(A ∩ B) = P(A) × P(B)

L’indépendance doit être justifiée par le processus étudié. Elle ne doit pas être choisie uniquement parce qu’aucune autre information n’est disponible.

Indépendants et incompatibles : deux notions différentes

Des événements incompatibles ne peuvent pas se produire ensemble, donc leur intersection est nulle. Des événements indépendants peuvent se produire ensemble sans modifier leurs probabilités respectives.

Lorsque A et B ont une probabilité positive et sont incompatibles, la réalisation de A rend B impossible. Ils ne sont donc pas indépendants.

Intersection connue et contrôle de validité

Pour des événements dépendants ou une probabilité conjointe connue, saisissez directement P(A ∩ B).

Toute intersection valide doit respecter :

max(0, P(A) + P(B) − 1) ≤ P(A ∩ B) ≤ min(P(A), P(B))

Le calculateur refuse une valeur située hors de cet intervalle mathématiquement possible.

Seulement A, seulement B et aucun des deux

Une fois l’intersection connue :

P(seulement A) = P(A) − P(A ∩ B)

P(seulement B) = P(B) − P(A ∩ B)

P(ni A ni B) = 1 − P(A ∪ B)

Ces régions sans chevauchement permettent aussi de vérifier la cohérence des valeurs saisies.

Probabilité conditionnelle

Une probabilité conditionnelle mesure la probabilité d’un événement sachant qu’un autre s’est produit.

P(A | B) = P(A ∩ B) ÷ P(B)

P(B | A) = P(A ∩ B) ÷ P(A)

Le dénominateur doit être strictement positif.

Probabilité binomiale

La loi binomiale compte les succès dans un nombre fixe d’essais. Elle convient uniquement lorsque :

• le nombre d’essais n est fixé ;
• chaque essai possède deux résultats définis ;
• les essais sont indépendants ;
• la probabilité de succès p reste la même à chaque essai.

NIST et OpenStax présentent l’indépendance et la probabilité constante comme des conditions centrales du modèle binomial.

Exactement k succès

Pour une variable binomiale X :

P(X = k) = C(n, k) × p^k × (1 − p)^{n − k}

C(n, k) compte les positions possibles des k succès parmi les n essais.

Au plus, au moins et entre deux valeurs

• au plus k : P(X ≤ k) = P(0) + … + P(k) ;
• au moins k : P(X ≥ k) = P(k) + … + P(n) ;
• entre a et b : P(a ≤ X ≤ b) = P(a) + … + P(b).

« Au moins » et « au plus » incluent la valeur limite indiquée.

Espérance, variance et écart type

Pour une variable binomiale :

Espérance = n × p

Variance = n × p × (1 − p)

Écart type = √[n × p × (1 − p)]

L’espérance représente une moyenne à long terme. Elle ne garantit pas le nombre observé lors d’une série particulière.

Théorème de Bayes

Le théorème de Bayes actualise la probabilité de A après l’observation de B :

P(A | B) = P(B | A) × P(A) ÷ P(B)

Dans la forme à deux catégories du calculateur :

P(B) = P(B | A)P(A) + P(B | non A)P(non A)

Donc :

P(A | B) = P(B | A)P(A) ÷ [P(B | A)P(A) + P(B | non A)P(non A)]

Exemple de Bayes en contrôle qualité

Supposons que 2 % des composants proviennent d’une condition de production associée à davantage de défauts. Une inspection signale 90 % des composants issus de cette condition, mais également 4 % des autres composants.

• P(A) = 0,02 ;
• P(B | A) = 0,90 ;
• P(B | non A) = 0,04.

P(B) = 0,90 × 0,02 + 0,04 × 0,98 = 0,0572

P(A | B) = 0,018 ÷ 0,0572 ≈ 0,3147 = 31,47 %

Le taux de détection ne suffit pas à déterminer la probabilité finale. La fréquence initiale et le taux de faux positifs comptent également.

Pourquoi le taux de base est important

Un événement rare peut conserver une probabilité a posteriori modérée après un signal positif lorsque les faux positifs ne sont pas extrêmement rares.

Le théorème de Bayes ne vérifie pas la qualité des probabilités saisies. Elles doivent provenir de données adaptées à la même population et au même contexte.

Décimales, pourcentages et arrondi

• 0,2 en mode décimal correspond à 20 % ;
• 20 en mode pourcentage correspond à 20 % ;
• 0,2 en mode pourcentage correspond à 0,2 %.

Le séparateur décimal local est pris en charge. La précision sélectionnée modifie l’affichage, tandis que le calcul conserve la valeur numérique complète disponible.

Ce que le résultat ne démontre pas

• que tous les cas comptés sont équiprobables ;
• que deux événements sont réellement indépendants ;
• que p reste constant pendant tous les essais ;
• qu’une probabilité initiale est représentative ;
• que des données historiques restent valables après un changement de processus ;
• qu’un événement futur précis doit se produire.

Méthode de travail fiable

1. Définissez l’événement et l’univers des résultats en langage clair.
2. Vérifiez l’équiprobabilité avant d’utiliser un simple décompte.
3. Utilisez systématiquement le format décimal ou pourcentage choisi.
4. Justifiez l’indépendance ou saisissez une intersection valide.
5. Vérifiez les quatre conditions binomiales.
6. Pour Bayes, utilisez des probabilités provenant de la même population et de la même période.
7. Contrôlez que chaque probabilité est comprise entre 0 et 1.
8. Utilisez le complément, l’union ou P(B) comme contrôle de cohérence.
9. N’arrondissez qu’au moment d’afficher le résultat.
10. Présentez les hypothèses avec le résultat.

Erreurs fréquentes

• saisir 30 en mode décimal au lieu du mode pourcentage ;
• traiter des événements dépendants comme indépendants ;
• confondre événements incompatibles et indépendants ;
• oublier de soustraire l’intersection dans l’union ;
• utiliser la loi binomiale lorsque p varie ;
• exclure k de « au moins k » ou « au plus k » ;
• interpréter l’espérance comme un nombre garanti ;
• combiner des probabilités de Bayes provenant de populations différentes ;
• arrondir trop tôt les petites probabilités ;
• présenter le résultat d’un modèle comme une prédiction certaine.

Questions fréquentes

Sources mathématiques et techniques

• Penn State STAT 414: Properties of Probability
• OpenStax: Two Basic Rules of Probability
• Penn State STAT 414: Conditional Probability
• NIST/SEMATECH: Binomial Distribution
• OpenStax: Binomial Distribution
• Penn State STAT 414: Bayes’ Theorem
• Schema.org: FAQPage

Sources consultées le 23 juin 2026.