Inversion du conditionnement et formule de Bayes simplifiée

Première générale Spé · Enseignement Scientifique 1ère

À retenir

• Problème de l'inversion du conditionnement : - On connaît souvent la probabilité directe P_M(T) (probabilité d'avoir le symptôme T sachant qu'on est malade M). - On cherche la probabilité rétrospective ou diagnostique P_T(M) (probabilité d'être réellement malade M sachant qu'on présente le symptôme ou résultat T). • Formule de Bayes simplifiée : P_T(M) = P(M T)/P(T) = P(M) P_M(T)/P(T) • En développant le dénominateur P(T) par la formule des probabilités totales : P_T(M) = P(M) P_M(T)P(M) P_M(T) + P(M) P_M(T) • Cette formule formalise l'actualisation bayésienne des croyances : on passe d'une probabilité a priori P(M) à une probabilité a posteriori P_T(M) après observation d'un indice.

Le cours

Inversion du conditionnement et formule de Bayes simplifiée • Problème de l'inversion du conditionnement : - On connaît souvent la probabilité directe P_M(T) (probabilité d'avoir le symptôme T sachant qu'on est malade M). - On cherche la probabilité rétrospective ou diagnostique P_T(M) (probabilité d'être réellement malade M sachant qu'on présente le symptôme ou résultat T). • Formule de Bayes simplifiée : P_T(M) = P(M T)/P(T) = P(M) P_M(T)/P(T) • En développant le dénominateur P(T) par la formule des probabilités totales : P_T(M) = P(M) P_M(T)P(M) P_M(T) + P(M) P_M(T) • Cette formule formalise l'actualisation bayésienne des croyances : on passe d'une probabilité a priori P(M) à une probabilité a posteriori P_T(M) après observation d'un indice. Astuce et méthode clé Pense à Bayes comme un simple quotient : au numérateur, la probabilité du chemin gagnant (M T) ; au dénominateur, la somme de tous les chemins menant à T. Piège classique à éviter Ne confonds pas P_T(M) avec P_M(T) et n'oublie pas la proportion initiale P(M) (fréquence de base). Avec P(M) = 0,01, P_M(T) = 0,90 et P_M(T) = 0,05, on trouve P_T(M) 0,15, et non 0,90.

Dans ce chapitre

• Tableau de signes et résolution d'équations produit-nul de Seconde
• Arbre de probabilité et univers d'une expérience aléatoire de Seconde
• Variables aléatoires et espérance mathématique de Première
• Fonction polynôme du second degré : forme développée et forme canonique
• Racines et factorisation du trinôme avec le discriminant Delta
• Signe du trinôme du second degré et résolution d'inéquations
• Extrémum d'une parabole et optimisation d'une grandeur scientifique
• Conditionnement et définition de la probabilité conditionnelle P_B(A)
• Arbre pondéré et formule des probabilités totales
• Indépendance de deux événements et critère P(A inter B) = P(A) * P(B)
• Inversion du conditionnement et formule de Bayes simplifiée
• Sensibilité, spécificité et faux positifs d'un test de dépistage médical
• Prise de décision éclairée en contexte d'incertitude scientifique
• Bilan : Synthèse et méthode sur Modélisation fonctionnelle et probabilités conditionnelles