Calculateur de Probabilité
Calculez des probabilités, combinaisons et permutations
Événements
Combinaisons
Permutations
Distribution Normale
Probabilité de Deux Événements
P(A ∩ B) - Intersection
-
P(A') - Complément de A
-
Explications
Intersection (A ET B) : Probabilité que les deux événements se produisent (événements indépendants)
Union (A OU B) : Probabilité qu'au moins un des événements se produise
Complément (NON A) : Probabilité que l'événement A ne se produise pas
XOR (A ou B exclusivement) : Probabilité qu'exactement un des événements se produise
Combinaisons C(n, r)
Nombre de façons de choisir r éléments parmi n (l'ordre n'importe pas)
Formule
C(n, r) = n! / (r! × (n-r)!)
Permutations P(n, r)
Nombre d'arrangements ordonnés de r éléments parmi n
Formule
P(n, r) = n! / (n-r)!
Distribution Normale (Loi de Gauss)
Interprétation
Score Z : Nombre d'écarts-types par rapport à la moyenne
📊 Guide des Probabilités
Concepts Fondamentaux
La probabilité d'un événement est un nombre entre 0 et 1 qui mesure la chance qu'il se produise :
0 : L'événement est impossible
0.5 : L'événement a 50% de chances (comme pile ou face)
1 : L'événement est certain
Formules de Base
Complément : P(A') = 1 - P(A)
Si P(pluie) = 0.3, alors P(pas de pluie) = 0.7
Intersection (événements indépendants) : P(A ∩ B) = P(A) × P(B)
Si P(pile) = 0.5 et P(6 au dé) = 1/6, alors P(pile ET 6) = 0.5 × 1/6 = 0.083
Union : P(A ∪ B) = P(A) + P(B) - P(A ∩ B)
Probabilité d'au moins un des événements
XOR (exclusif) : P(A ⊕ B) = P(A) + P(B) - 2 × P(A ∩ B)
Probabilité d'exactement un des événements
Combinaisons vs Permutations
Combinaisons C(n, r) : L'ordre ne compte PAS
C(n, r) = n! / (r! × (n-r)!)
Exemple : Loterie
Choisir 6 numéros parmi 49 : C(49, 6) = 13 983 816 combinaisons
Les tirages (1,2,3,4,5,6) et (6,5,4,3,2,1) sont la même combinaison
Permutations P(n, r) : L'ordre compte
P(n, r) = n! / (n-r)!
Exemple : Course
Ordre d'arrivée de 3 coureurs parmi 10 : P(10, 3) = 720 permutations
Les podiums (1er: Alice, 2e: Bob, 3e: Claire) et (1er: Bob, 2e: Alice, 3e: Claire) sont différents
Distribution Normale
La distribution normale (courbe en cloche) est utilisée pour modéliser de nombreux phénomènes naturels :
Taille et poids des populations
Scores aux tests standardisés (QI, SAT)
Erreurs de mesure
Rendements financiers
Score Z : Z = (X - μ) / σ
Où :
X = Valeur observée
μ = Moyenne
σ = Écart-type
Règle 68-95-99.7 :
68% des valeurs sont à ±1 écart-type de la moyenne
95% des valeurs sont à ±2 écarts-types de la moyenne
99.7% des valeurs sont à ±3 écarts-types de la moyenne
Exemples Pratiques
Exemple 1 : Lancer de Dés
Question : Probabilité d'obtenir au moins un 6 en lançant 2 dés ?
Solution :
P(pas de 6 sur un dé) = 5/6
P(pas de 6 sur les deux) = (5/6) × (5/6) = 25/36
P(au moins un 6) = 1 - 25/36 = 11/36 ≈ 0.306 (30.6%)
Exemple 2 : Poker
Question : Probabilité de recevoir une paire d'As au Texas Hold'em ?
Solution :
Nombre de paires d'As possibles : C(4, 2) = 6
Nombre total de mains de 2 cartes : C(52, 2) = 1 326
Probabilité : 6/1326 ≈ 0.0045 (0.45%)
Exemple 3 : Mot de Passe
Question : Combien de mots de passe de 4 chiffres différents ?
Solution :
10 chiffres disponibles (0-9)
Choisir et ordonner 4 chiffres : P(10, 4) = 10!/6! = 5 040
Erreurs Courantes
Confondre indépendance et exclusivité mutuelle
Indépendants : Un n'affecte pas l'autre (lancer 2 dés)
Mutuellement exclusifs : Ne peuvent pas se produire simultanément (pile ET face)
Additionner des probabilités sans soustraire l'intersection
P(A ∪ B) ≠ P(A) + P(B) sauf si mutuellement exclusifs
Ignorer l'ordre quand il compte
Utiliser combinaisons au lieu de permutations pour un code PIN
Le sophisme du joueur
Les événements passés n'affectent pas les probabilités futures (pile 5 fois ne rend pas face plus probable)
Applications Réelles
Jeux de hasard : Calculer l'espérance de gain
Assurance : Évaluer les risques et primes
Médecine : Fiabilité des tests diagnostiques
Finance : Modélisation des risques de portefeuille
Machine Learning : Classificateurs probabilistes
Météorologie : Prévisions de probabilité