Calcul de probabilité P(A ∪ B)
Calculez rapidement la probabilité de l’union de deux événements A et B, avec prise en charge des cas généraux, incompatibles et indépendants. Le résultat utilise la formule correcte de probabilité et s’affiche en valeur décimale et en pourcentage.
Choisissez la manière dont vous entrez les probabilités.
Le type de relation détermine comment l’intersection est traitée.
Si vous choisissez “incompatibles”, l’intersection vaut 0. Si vous choisissez “indépendants”, elle est calculée automatiquement comme P(A) × P(B).
Guide expert du calcul de probabilité P(A ∪ B)
Le calcul de probabilité P(A ∪ B) représente la probabilité que l’événement A se produise, ou l’événement B se produise, ou les deux. En statistique, en data analysis, en contrôle qualité, en finance, en assurance, en santé publique et même dans les prévisions météo, cette formule est essentielle dès que l’on veut mesurer la chance qu’au moins un événement se réalise. Beaucoup d’erreurs proviennent d’une mauvaise lecture du mot “ou”. En probabilité, “A ou B” est généralement un ou inclusif, ce qui signifie que les deux événements peuvent se produire simultanément.
La formule de base est la suivante : P(A ∪ B) = P(A) + P(B) – P(A ∩ B). On additionne les probabilités de A et de B, puis on retire l’intersection pour éviter de la compter deux fois. C’est le point central du raisonnement. Si A et B peuvent arriver ensemble, l’intersection doit absolument être connue ou correctement estimée. Si elle n’est pas soustraite, on obtient un total surestimé.
Pourquoi l’union est si importante
Dans un problème concret, on veut souvent savoir la probabilité d’au moins un cas favorable. Exemple simple : un client peut acheter un produit A ou un produit B, un patient peut présenter un symptôme A ou un symptôme B, une ville peut connaître de la pluie ou un orage, un candidat peut réussir un examen écrit ou oral. Dans tous ces cas, on cherche une probabilité combinée. Le calcul de P(A ∪ B) répond précisément à cette question.
Cette notion est aussi centrale dans les tableaux croisés, les analyses de risques, les modèles de décision et les sondages. Dans les bases de données, la logique “ou” revient très souvent dans le filtrage des individus. En machine learning, elle apparaît dans l’évaluation de règles de classification. En assurance, elle sert à modéliser l’occurrence d’au moins un type de sinistre. En finance, elle peut servir à estimer la survenue d’au moins un facteur de risque sur un horizon donné.
Les trois grands cas à connaître
- Cas général : A et B peuvent arriver ensemble. Il faut alors utiliser la formule complète avec l’intersection.
- Événements incompatibles : A et B ne peuvent pas se produire en même temps. Dans ce cas, P(A ∩ B) = 0 et la formule devient simplement P(A ∪ B) = P(A) + P(B).
- Événements indépendants : la réalisation de A n’affecte pas la probabilité de B. Alors P(A ∩ B) = P(A) × P(B), ce qui donne P(A ∪ B) = P(A) + P(B) – P(A)P(B).
| Situation | Formule | Quand l’utiliser | Exemple rapide |
|---|---|---|---|
| Cas général | P(A ∪ B) = P(A) + P(B) – P(A ∩ B) | Quand A et B peuvent coexister et que l’intersection est connue ou estimable. | Probabilité d’être exposé à deux facteurs de risque possibles, avec une partie commune. |
| Incompatibles | P(A ∪ B) = P(A) + P(B) | Quand A et B ne peuvent jamais arriver ensemble. | Obtenir pile ou face sur un seul lancer ne peut pas arriver simultanément. |
| Indépendants | P(A ∪ B) = P(A) + P(B) – P(A)P(B) | Quand la présence de A ne change pas la probabilité de B. | Deux systèmes de détection distincts sans influence mutuelle. |
Comment faire le calcul pas à pas
Pour bien calculer P(A ∪ B), commencez toujours par identifier le type de relation entre les événements. Ensuite, vérifiez le format de vos probabilités. Elles doivent être toutes en décimal entre 0 et 1, ou toutes en pourcentage entre 0 et 100. Il ne faut jamais mélanger les deux formats dans le même calcul. Une fois les données homogènes :
- Notez la valeur de P(A).
- Notez la valeur de P(B).
- Déterminez P(A ∩ B) ou choisissez le bon mode de relation.
- Appliquez la formule correcte.
- Vérifiez que le résultat final est compris entre 0 et 1, ou entre 0 % et 100 %.
Exemple en cas général : si P(A) = 0,40, P(B) = 0,35 et P(A ∩ B) = 0,10, alors P(A ∪ B) = 0,40 + 0,35 – 0,10 = 0,65. La probabilité qu’au moins un des deux événements se produise est donc de 65 %.
Exemple en cas incompatibles : si P(A) = 0,22 et P(B) = 0,18, alors P(A ∪ B) = 0,40. Comme les événements ne peuvent pas arriver ensemble, il n’y a rien à soustraire.
Exemple en cas indépendants : si P(A) = 0,50 et P(B) = 0,30, alors P(A ∩ B) = 0,15 et donc P(A ∪ B) = 0,50 + 0,30 – 0,15 = 0,65.
Erreurs fréquentes à éviter
- Oublier l’intersection dans le cas général, ce qui gonfle artificiellement le résultat.
- Supposer l’indépendance sans preuve. Deux événements corrélés ne doivent pas être traités comme indépendants.
- Confondre incompatibilité et indépendance. Deux événements incompatibles ne sont pas la même chose que deux événements indépendants.
- Utiliser des valeurs impossibles comme une intersection supérieure à P(A) ou à P(B).
- Mélanger décimal et pourcentage, par exemple 0,4 avec 35 au lieu de 0,35.
Différence entre événements incompatibles et indépendants
Cette distinction est fondamentale. Deux événements incompatibles ne peuvent pas arriver ensemble. Leur intersection vaut donc zéro. Deux événements indépendants peuvent arriver ensemble, mais le fait que A se réalise ne change pas la probabilité de B. En pratique, beaucoup de débutants confondent ces deux idées parce qu’elles semblent toutes deux décrire une forme de séparation. Or elles sont mathématiquement très différentes.
Prenons un exemple simple. Sur un seul tirage d’une carte, “obtenir un cœur” et “obtenir un pique” sont incompatibles, car une carte ne peut pas être des deux couleurs en même temps. En revanche, “recevoir un email promotionnel” et “faire un achat le même jour” peuvent être indépendants dans certains modèles simplifiés, mais ils ne sont pas incompatibles. Les deux peuvent parfaitement arriver ensemble.
Exemples appliqués avec des statistiques réelles
Pour comprendre la logique de P(A ∪ B), il est utile d’observer des taux réels. Les tableaux ci-dessous présentent des statistiques publiées par des organismes de référence. Elles montrent des probabilités individuelles utiles pour construire des cas d’union, à condition de disposer aussi de l’intersection ou d’une hypothèse défendable sur la relation entre les événements.
| Source | Indicateur réel | Taux observé | Utilité pour P(A ∪ B) |
|---|---|---|---|
| CDC | Adultes fumeurs aux États-Unis | 11,6 % | Peut servir de P(A) dans un modèle de risque ou de santé publique. |
| CDC | Prévalence de l’obésité chez l’adulte aux États-Unis | 40,3 % | Peut servir de P(B), mais l’union correcte exige de connaître le chevauchement avec A. |
| NHTSA | Utilisation de la ceinture de sécurité en 2023 | 91,9 % | Permet de modéliser la probabilité d’adopter au moins une mesure de sécurité selon plusieurs comportements. |
| NOAA | Prévisions probabilistes de précipitations | Variable selon lieu et date | Exemple classique de lecture de probabilités d’événements environnementaux. |
Imaginons une étude locale où 12 % des adultes sont fumeurs et 38 % sont obèses. Si l’on cherche la probabilité qu’une personne soit fumeuse ou obèse, il est impossible de répondre exactement sans connaître la part des personnes qui sont à la fois fumeuses et obèses. Si cette intersection est de 6 %, alors la probabilité cherchée devient 12 % + 38 % – 6 % = 44 %. Cet exemple illustre pourquoi la simple addition des pourcentages donne souvent un résultat faux.
| Contexte | P(A) | P(B) | P(A ∩ B) | P(A ∪ B) |
|---|---|---|---|---|
| Risque santé local illustratif | 12 % | 38 % | 6 % | 44 % |
| Deux contrôles qualité indépendants | 20 % | 15 % | 3 % | 32 % |
| Deux issues incompatibles sur une seule expérience | 25 % | 30 % | 0 % | 55 % |
Comment interpréter le résultat
Si vous obtenez P(A ∪ B) = 0,72, cela signifie qu’il existe 72 % de chances qu’au moins un des deux événements se produise. Cela ne veut pas dire que les deux se produisent, ni que l’un est plus important que l’autre. Le résultat mesure simplement la couverture globale des cas où A survient, où B survient, ou où les deux surviennent ensemble.
Plus l’intersection est grande, plus la probabilité d’union augmente moins vite lorsque vous ajoutez P(A) et P(B), car une partie importante est déjà commune. Inversement, si l’intersection est faible ou nulle, l’union se rapproche davantage de la somme des probabilités individuelles.
Applications concrètes de P(A ∪ B)
- Santé : probabilité qu’un patient présente au moins un de deux facteurs de risque.
- Marketing : probabilité qu’un client clique sur un email ou une publicité sponsorisée.
- Finance : probabilité qu’au moins un signal d’alerte apparaisse dans un portefeuille.
- Industrie : probabilité qu’au moins un défaut soit observé sur deux points de contrôle.
- Météo : probabilité de pluie ou d’orage sur une période donnée.
- Éducation : probabilité qu’un étudiant valide une matière A ou une matière B.
Bonnes pratiques pour des calculs fiables
- Définissez clairement les événements A et B.
- Assurez-vous qu’ils portent sur le même univers et la même période d’observation.
- Vérifiez si l’incompatibilité ou l’indépendance est réellement justifiée.
- Contrôlez la cohérence de l’intersection.
- Documentez la source de vos probabilités si vous travaillez sur des données réelles.
- Présentez toujours le résultat en décimal et en pourcentage pour éviter les ambiguïtés.
Sources de référence utiles
Pour approfondir les notions de probabilité, de statistiques appliquées et de lecture correcte des indicateurs, vous pouvez consulter ces ressources fiables :
- CDC.gov pour des statistiques de santé publique et des prévalences utiles aux exemples probabilistes.
- NOAA.gov pour les probabilités météorologiques et les exemples de prévisions basées sur le risque.
- Penn State University pour des cours universitaires de statistique et de probabilité.