Scribd
Importer
4 vues2 pages

Théorème de Bayes et Probabilités

Ce document présente les concepts fondamentaux des probabilités, y compris la probabilité d'un événement, la probabilité conditionnelle et les théorèmes de Bayes, simple et généralisé. Il explique comment utiliser ces théorèmes pour inverser les probabilités conditionnelles et traiter plusieurs hypothèses. Enfin, il aborde les événements indépendants et compare les deux versions du théorème de Bayes.

Transféré par

Fernand Niyirema
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
4 vues2 pages

Théorème de Bayes et Probabilités

Ce document présente les concepts fondamentaux des probabilités, y compris la probabilité d'un événement, la probabilité conditionnelle et les théorèmes de Bayes, simple et généralisé. Il explique comment utiliser ces théorèmes pour inverser les probabilités conditionnelles et traiter plusieurs hypothèses. Enfin, il aborde les événements indépendants et compare les deux versions du théorème de Bayes.

Transféré par

Fernand Niyirema
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Fiche de Révision : Théorème de Bayes et Probabilités

1. Probabilités de base
Probabilité d’un événement
Nombre de cas favorables
P (A) =
Nombre total de cas
• 0 ≤ P (A) ≤ 1

• P (A) = 0 : événement impossible


• P (A) = 1 : événement certain

Probabilité conditionnelle
P (A ∩ B)
P (A | B) = si P (B) > 0
P (B)

Multiplication des probabilités


P (A ∩ B) = P (A) · P (B | A) = P (B) · P (A | B)

2. Théorème de Bayes (Simple)


P (B | A) · P (A)
P (A | B) =
P (B)
Sert à inverser les probabilités conditionnelles. Utilisable quand il y a un événement A et son contraire
¬A.
Exemple :
• P (M ) = 0.01

• P (T | M ) = 0.99, P (T | ¬M ) = 0.05
0.99 · 0.01
P (M | T ) = ≈ 0.167
0.99 · 0.01 + 0.05 · 0.99

3. Théorème de Bayes généralisé


Quand il y a plusieurs hypothèses A1 , A2 , . . . , An :

P (B | Ak ) · P (Ak )
P (Ak | B) = Pn
i=1 P (B | Ai ) · P (Ai )

Utilisé quand il y a plusieurs hypothèses possibles.


Exemple : élèves et réussite à un test
• A1 : excellent (20%), A2 : moyen (50%), A3 : faible (30%)

1
• P (S | A1 ) = 0.9, P (S | A2 ) = 0.6, P (S | A3 ) = 0.3
0.9 · 0.2 0.18
P (A1 | S) = = ≈ 0.316
0.9 · 0.2 + 0.6 · 0.5 + 0.3 · 0.3 0.57

4. Événements indépendants
Deux événements A et B sont indépendants si :

P (A ∩ B) = P (A) · P (B)

Et donc :
P (A | B) = P (A) et P (B | A) = P (B)
Remarque : Si indépendants, Bayes ne sert pas car la condition ne change rien.

5. Comparaison des deux versions


Élément Bayes simple Bayes généralisé
Hypothèses 1 (et son contraire) Plusieurs A1 , A2 , . . .
Utilisation Tests binaires Choix multiple, diagnostics
P (B|A)·P (A) P (B|Ak )·P (Ak )
Formule P (B)
P
P (B|Ai )·P (Ai )

Résumé des Formules à connaı̂tre


Notation Description
P (A) Proba simple
P (A | B) Proba conditionnelle
P (A ∩ B) = P (A) · P (B | A) Produit des probabilités
Bayes simple P (A | B) = P (B|A)·P
P (B)
(A)

P (B|Ak )·P (Ak )


Bayes généralisé P (Ak | B) = P
P (B|Ai )·P (Ai )

Vous aimerez peut-être aussi