Un prof de maths qui te répond·30 €/mois

Découvrir
MathLvlMon espace
Terminale maths complémentaires

Probabilités conditionnelles et formule de Bayes en Terminale maths complémentaires

Arbres pondérés, probabilités totales, formule de Bayes, tests de dépistage (sensibilité, spécificité, valeurs prédictives) en maths complémentaires.

Mis à jour le

Un test de dépistage fiable à 95 % ne signifie pas qu'un test positif donne 95 % de chances d'être malade : tout dépend de la proportion de malades. Ce chapitre de maths complémentaires, issu du thème « Inférence bayésienne », apprend à inverser un conditionnement et à distinguer P_T(M) de P_M(T).

Au programme : probabilités conditionnelles P_A(B) = (P(A ∩ B))/P(A), arbres pondérés, formule des probabilités totales, indépendance, formule de Bayes P_B(A) = P_A(B)P(A)/P(B), probabilités a priori et a posteriori, sensibilité, spécificité, valeurs prédictives positive et négative, et étude de la valeur prédictive en fonction de la prévalence.

Pièges classiques : l'erreur du procureur (confondre la probabilité de l'indice sachant l'innocence et celle de l'innocence sachant l'indice), oublier les faux positifs dans P(T), multiplier des probabilités sans indépendance.

Cours et fiche

📘

Leçon

Le cours complet du chapitre

📝

Fiche de révision

Synthèse + formules essentielles

S'entraîner

Quiz interactif

Auto-évaluation

Teste tes connaissances et vérifie que tu maîtrises le chapitre.

QCM — Probabilités conditionnelles et formule de Bayes (51 questions)

Leçon complète

Probabilités conditionnelles et formule de Bayes en Terminale maths complémentaires : cours complet

Probabilités conditionnelles (rappels)

Définition — Probabilité de B sachant A. Si P(A) ≠ 0, la probabilité de B sachant A est P_A(B) = (P(A ∩ B))/P(A), donc P(A ∩ B) = P(A) × P_A(B). C'est la probabilité de B quand on sait que A est réalisé : on restreint l'univers à A.

Propriété — Règles de l'arbre pondéré.

  • La somme des probabilités issues d'un même nœud vaut 1.
  • La probabilité d'un chemin est le produit des probabilités de ses branches.
  • La probabilité d'un événement est la somme des probabilités des chemins qui y mènent.

Théorème — Formule des probabilités totales. Si A₁, …, Aₙ forment une partition de l'univers (événements deux à deux incompatibles dont la réunion est l'univers), de probabilités non nulles : P(B) = P(A₁)P_A₁(B) + … + P(Aₙ)P_Aₙ(B). Avec A et A̅ : P(B) = P(A)P_A(B) + P(A̅)P_A̅(B).

Définition — Indépendance. A et B sont indépendants si P(A ∩ B) = P(A)P(B), c'est-à-dire (si P(A) ≠ 0) P_A(B) = P(B) : savoir que A est réalisé ne change pas la probabilité de B.

Inverser le conditionnement : la formule de Bayes

Théorème — Formule de Bayes. Si P(A) ≠ 0 et P(B) ≠ 0 : P_B(A) = (P_A(B) × P(A))/P(B) et, en développant P(B) par les probabilités totales : P_B(A) = P(A)P_A(B)/(P(A)P_A(B) + P(A̅)P_A̅(B)).

Démonstration. P(A ∩ B) = P(B) × P_B(A) et aussi P(A ∩ B) = P(A) × P_A(B). En égalant puis en divisant par P(B), on obtient la formule.

Définition — A priori, a posteriori. A représente la question qui nous intéresse (« le patient est malade », « la boule vient de l'urne 1 »). Sa probabilité P(A) avant toute observation est dite a priori. Après l'observation d'un événement B, on la remplace par P_B(A), dite a posteriori. La formule de Bayes est la règle de mise à jour d'une croyance par une information.

Exemple — De quelle urne vient la boule ?. On lance une pièce équilibrée : pile, on tire dans l'urne U₁ (3 rouges, 2 noires) ; face, dans l'urne U₂ (1 rouge, 4 noires). On a tiré une boule rouge. Probabilité qu'elle vienne de U₁ ?

P(R) = 0,3 + 0,1 = 0,4 et P_R(U₁) = 0,3/0,4 = 0,75. L'observation « rouge » fait passer la probabilité de U₁ de 0,5 (a priori) à 0,75 (a posteriori).

Exemple — Contrôle qualité. Une usine a deux machines : M₁ produit 60 % des pièces, dont 2 % sont défectueuses ; M₂ produit le reste, avec 5 % de défauts. P(D) = 0,6 × 0,02 + 0,4 × 0,05 = 0,032. Une pièce est défectueuse : la probabilité qu'elle vienne de M₂ est P_D(M₂) = (0,4 × 0,05)/0,032 = 0,625. M₂ fait 40 % des pièces mais 62,5 % des défauts.

Méthode — Le tableau d'effectifs. On peut aussi raisonner sur une population fictive de 10 000 individus, en remplissant un tableau à double entrée avec les effectifs. Les probabilités conditionnelles deviennent des proportions dans une ligne ou une colonne : c'est souvent plus parlant que la formule.

Les tests de dépistage

Définition — Vocabulaire d'un test binaire. On note M « la personne est malade » et T « le test est positif ».

  • Vrai positif : malade et test positif ; faux positif : non malade et test positif ; de même pour les vrais et faux négatifs.
  • Sensibilité = P_M(T) : probabilité qu'un malade soit détecté.
  • Spécificité = P_M̅(T̅) : probabilité qu'un non-malade ait un test négatif.
  • Prévalence = P(M) : proportion de malades dans la population testée.
  • Valeur prédictive positive VPP = P_T(M) ; valeur prédictive négative VPN = P_T̅(M̅).

Sensibilité et spécificité sont des qualités du test ; les valeurs prédictives, qui intéressent le patient, dépendent aussi de la prévalence.

Exemple — Un test excellent… et pourtant. Une maladie touche 1 % de la population. Un test a une sensibilité de 95 % et une spécificité de 98 %. Sur 10 000 personnes :

Test positif Test négatif Total
Malades 95 5 100
Non malades 198 9 702 9 900
Total 293 9 707 10 000

VPP = P_T(M) = 95/293 ≈ 0,324 : seul un tiers des tests positifs correspond à un malade ! En revanche VPN = (9 702)/(9 707) ≈ 0,9995 : un test négatif est très rassurant. Avec la formule : P(T) = 0,01 × 0,95 + 0,99 × 0,02 = 0,0293 et P_T(M) = 0,0095/0,0293.

Remarque — Pourquoi ce résultat surprend. Les malades sont si rares que les 2 % de faux positifs chez les 9 900 non-malades (198 personnes) sont plus nombreux que les vrais positifs (95). C'est pourquoi on confirme un test positif par un second test : si les deux tests sont indépendants, la probabilité a posteriori 0,324 devient l'a priori du second, et un second test positif la porte à environ 0,958.

Exemple — La VPP en fonction de la prévalence. Avec la même sensibilité et la même spécificité, pour une prévalence p : f(p) = P_T(M) = 0,95p/(0,95p + 0,02(1 - p)) = 0,95p/(0,93p + 0,02), p ∈ [0 ;1]. f'(p) = (0,95(0,93p + 0,02) - 0,95p × 0,93)/((0,93p + 0,02)²) = 0,019/((0,93p + 0,02)²) > 0 : la VPP augmente avec la prévalence. f(0,001) ≈ 0,045 ; f(0,01) ≈ 0,324 ; f(0,1) ≈ 0,841 ; f(0,5) ≈ 0,979. Un même test est bien plus fiable chez des patients qui présentent déjà des symptômes (forte prévalence) qu'en dépistage de masse.

Valeur prédictive positive d'un test (sensibilité 0,95, spécificité 0,98) selon la prévalence p.

Erreurs classiques

Attention — À éviter.

  • Confondre P_M(T) (sensibilité, qualité du test) et P_T(M) (valeur prédictive, ce que veut savoir le patient) : c'est l'erreur dite « du procureur » en justice, qui confond « probabilité de l'indice si l'accusé est innocent » et « probabilité que l'accusé soit innocent vu l'indice ».
  • Oublier les faux positifs au dénominateur : P(T) se calcule avec les probabilités totales.
  • Écrire P(A ∩ B) = P(A) × P(B) sans indépendance.
  • Additionner des probabilités conditionnelles qui ne portent pas sur le même événement conditionnant.

Fiche de synthèse

Conditionnelle P_A(B) = (P(A ∩ B))/P(A) ; P(A ∩ B) = P(A)P_A(B)
Probabilités totales P(B) = P(A)P_A(B) + P(A̅)P_A̅(B)
Bayes P_B(A) = P_A(B)P(A)/P(B) ; a priori P(A), a posteriori P_B(A)
Indépendance P(A ∩ B) = P(A)P(B)
Test sensibilité P_M(T) ; spécificité P_M̅(T̅) ; prévalence P(M)
Valeurs prédictives VPP = P_T(M) ; VPN = P_T̅(M̅) ; la VPP croît avec la prévalence

Exercices d'application

Exercice 1 – Dopage

3 % des sportifs d'une compétition sont dopés. Le test utilisé a une sensibilité de 90 % et une spécificité de 95 %. Un sportif est contrôlé positif : quelle est la probabilité qu'il soit dopé ? Commenter.

Exercice 2 – Filtre anti-spam

40 % des courriels reçus sont des spams. Le mot « gratuit » apparaît dans 30 % des spams et dans 2 % des autres courriels. Un courriel contient « gratuit » : quelle est la probabilité que ce soit un spam ?

Exercice 3 – Valeur prédictive négative

Avec le test de la section 3 (sensibilité 0,95, spécificité 0,98) et une prévalence p, exprimer VPN = P_T̅(M̅) en fonction de p, puis la calculer pour p = 0,2.

Corrigés des exercices

Corrigé de l'exercice 1

Corrigé. P(T) = 0,03 × 0,9 + 0,97 × 0,05 = 0,027 + 0,0485 = 0,0755. P_T(D) = 0,027/0,0755 ≈ 0,358. Près de deux contrôles positifs sur trois concernent un sportif non dopé : un test positif doit être confirmé par une contre-expertise.

Corrigé de l'exercice 2

Corrigé. P(G) = 0,4 × 0,3 + 0,6 × 0,02 = 0,12 + 0,012 = 0,132. P_G(S) = 0,12/0,132 ≈ 0,909. Les filtres bayésiens combinent ainsi des dizaines de mots.

Corrigé de l'exercice 3

Corrigé. P(T̅) = p × 0,05 + (1 - p) × 0,98 et P(M̅ ∩ T̅) = 0,98(1 - p), donc VPN = (0,98(1 - p))/(0,98(1 - p) + 0,05p) = (0,98 - 0,98p)/(0,98 - 0,93p). Pour p = 0,2 : 0,784/0,794 ≈ 0,987.

Tout sur probabilités en terminale

Dénombrement, probabilités conditionnelles, formule de Bayes, lois binomiale, géométrique et exponentielle, loi des grands nombres.

Le cours

Les notions du thème

S'entraîner

Sujets d'examen

Outils et pages dédiées

Tous les chapitres de Terminale maths complémentaires

Poursuis ta révision avec les autres chapitres du programme de Terminale maths complémentaires.