Retour à Probabilités

Théorème de Bayes

Probabilités conditionnelles et inférence bayésienne

Contexte : Test médical

Une maladie rare touche 1% de la population. Le test est fiable à 95% (sensibilité), mais a 5% de faux positifs.

💡 Même avec un test positif, la probabilité d'être malade reste faible à cause de la rareté de la maladie !

Impact de l'observation de B

Comment la probabilité de A change-t-elle après avoir observé B ?

P(A) = 1.00%Avant observationObserver BP(A|B) = 16.10%Après observation ×16.10BAYES APPLIQUÉP(B|A)·P(A)P(B)= 95.00%·1.00%/ 5.90%= 16.10%

Arbre de probabilités

Survolez les nœuds pour comprendre chaque probabilité

P(A) = 1.00%P(¬A) = 99.00%P(B|A) = 95.00%P(¬B|A) = 5.00%P(B|¬A) = 5.00%P(¬B|¬A) = 95.00%0.95%0.05%4.95%94.05%A ∩ BA ∩ ¬B¬A ∩ B¬A ∩ ¬BP(B)= 0.95%+ 4.95%= 5.90%
Théorème de Bayes
1. Calcul de P(B) :
P(B) = P(B|A) × P(A) + P(B|¬A) × P(¬A)
P(B) = 95.00% × 1.00% + 5.00% × 99.00%
P(B) = 5.90%
2. Application de Bayes :
P(A|B) = (95.00% × 1.00%) / 5.90%
P(A|B) = 0.95% / 5.90%
P(A|B) = 16.10%