Comment utiliser la formule de… : En renversant le conditionnement par… — ECG1 appliquées | MetMat

Comment utiliser la formule de Bayes ?

En renversant le conditionnement par $P_B(A_i) = \frac{P_{A_i}(B)P(A_i)}{P(B)}$ , avec $P(B)$ obtenu par probabilités totales

Calculer la probabilité qu'une cause $A_i$ ait eu lieu sachant l'observation d'un effet $B$ , à partir des probabilités des causes et des probabilités conditionnelles de l'effet.

Maîtriser

Reconnaître

Résoudre

Que ferais-tu face à un exercice de ce type ?

Reprise du test médical : $P(M)=0{,}01$ , $P_M(T)=0{,}95$ , $P_{\overline{M}}(T)=0{,}02$ . Un individu a un test positif : quelle est la probabilité qu'il soit effectivement malade ?

L'objectif

Calculer la probabilité qu'une cause $A_i$ ait eu lieu sachant l'observation d'un effet $B$ , à partir des probabilités des causes et des probabilités conditionnelles de l'effet.

Le principe

Si $(A_i)$ est un système complet d'événements avec $P(A_i)>0$ pour tout $i$ et $P(B)>0$ , alors $P_B(A_i)=\dfrac{P_{A_i}(B)\,P(A_i)}{P(B)}$ , où le dénominateur se calcule par la formule des probabilités totales.

La méthode

1
J'identifie le système complet $(A_i)$ et l'événement observé $B$ , et je vérifie que $P(A_i)>0$ pour chaque $i$ ainsi que $P(B)>0$ .
2
Je calcule le dénominateur $P(B)=\displaystyle\sum_{j} P_{A_j}(B)\,P(A_j)$ par la formule des probabilités totales.
Comment utiliser la formule des probabilités totales ?Voir
3
Je conclus par $P_B(A_i)=\dfrac{P_{A_i}(B)\,P(A_i)}{P(B)}$ et j'interprète ce résultat comme la probabilité a posteriori de la cause $A_i$ au vu de l'observation $B$ .

Pour comprendre, fais des exercices !

Exercice d'exemple

Reprise du test médical : $P(M)=0{,}01$ , $P_M(T)=0{,}95$ , $P_{\overline{M}}(T)=0{,}02$ . Un individu a un test positif : quelle est la probabilité qu'il soit effectivement malade ?

Étape 1 —

J'identifie le système complet

(A_i)

et l'événement observé

B

, et je vérifie que

P(A_i)>0

pour chaque

i

ainsi que

P(B)>0

Le système complet est $(M,\overline{M})$ avec $P(M)=0{,}01>0$ et $P(\overline{M})=0{,}99>0$ ; l'événement observé est $T$ : « test positif ».

Étape 2 —

Je calcule le dénominateur

P(B)=\displaystyle\sum_{j} P_{A_j}(B)\,P(A_j)

par la formule des probabilités totales.

Par la formule des probabilités totales : $P(T)=P_M(T)P(M)+P_{\overline{M}}(T)P(\overline{M})=0{,}95\times 0{,}01+0{,}02\times 0{,}99=0{,}0293$ .

Étape 3 —

Je conclus par

P_B(A_i)=\dfrac{P_{A_i}(B)\,P(A_i)}{P(B)}

et j'interprète ce résultat comme la probabilité a posteriori de la cause

A_i

au vu de l'observation

B

Par Bayes : $P_T(M)=\dfrac{P_M(T)P(M)}{P(T)}=\dfrac{0{,}95\times 0{,}01}{0{,}0293}=\dfrac{0{,}0095}{0{,}0293}\approx 0{,}324$ .

$P_T(M)\approx 0{,}324$ , soit environ $32{,}4\,\%$ : un test positif ne signifie pas malade à coup sûr quand la maladie est rare.

Les applications suivantes et la correction guidée sont réservées aux membres Premium

La méthode et sa première application corrigée restent en accès libre. Le Premium débloque les applications suivantes, l'aide IA et le suivi de ta maîtrise.

Comment utiliser la formule de Bayes ?

En renversant le conditionnement par PB(Ai)=PAi(B)P(Ai)P(B)P_B(A_i) = \frac{P_{A_i}(B)P(A_i)}{P(B)}PB​(Ai​)=P(B)PAi​​(B)P(Ai​)​, avec P(B)P(B)P(B) obtenu par probabilités totales

Pour comprendre, fais des exercices !

En renversant le conditionnement par $P_B(A_i) = \frac{P_{A_i}(B)P(A_i)}{P(B)}$ , avec $P(B)$ obtenu par probabilités totales