14/11/2022

UNIVERSITE DES SCIENCES DE LA SANTE INTRODUCTION :THEORIE DES PROBABILITÉS

Faculté De Médecine Les premiers personnes à s’être intéressées aux problèmes

DEPARTEMENT EPIDEMIOLOGIE-BIOSTATISTIQUES-INFORMATIQUE MEDICALE
des probabilités furent des mathématiciens français :

INTRODUCTION AU
CALCUL DES PROBABILITÉS

Emmanuel ANYUNZOGHE

INTRODUCTION :THEORIE DES PROBABILITÉS DEFINITIONS : EPREUVE ALÉATOIRE

 A cette époque, la théorie des probabilités se développa  EPREUVE ALEATOIRE

uniquement en relation avec les jeux de hasard. Mais L’épreuve aléatoire c’est une épreuve (ou expérience) dont
après, les bases de la théorie furent étendues à d’autres l’issue n’est pas connue par avance et si, répétée dans des
applications et phénomènes (Exemple : génétique). conditions identiques, elle peut donner des résultats différents.

 Le calcul des probabilités fournit une modélisation  EVENEMENT ELEMENTAIRE

efficace des situations non déterministes c’est-à-dire des Le résultat d’une expérience constitue une éventualité ou un
phénomènes aléatoire ou stochastiques. évènement élémentaire.

1
 14/11/2022

DEFINITIONS : EPREUVE ALÉATOIRE

I DEFINITIONS

 ESPACE FONDAMENTAL
L’ensembles des évènements élémentaires possibles, pour une
expérience aléatoire donnée, constitue l’espace fondamental Epreuve aléatoire E𝐬𝐩𝐚𝐜𝐞 𝐟𝐨𝐧𝐝𝐚𝐦𝐞𝐧𝐭𝐚𝐥 Ω
Exemples
appelé univers ou univers des possibles noté Ω. Lancer d’une pièce 𝑃𝑖𝑙𝑒 ; 𝐹𝑎𝑐𝑒
Exemple: lors d’un contrôle sanguin, l’ensemble des résultats Test Groupe sanguin Ω = {A+, A-, B+, B-, AB+, AB-, O+, O-}
possibles si l’on s’intéresse au groupe sanguin et au facteur
Nombre de globule blancs Ω = N* = {1,2,…..n, …}
rhésus d’un individu est :
Glycémie (g/l) Ω = [ 0 ; 1,5]
Ω = {A+, A-, B+, B- AB+, AB-, O+, O-}

DEFINITIONS : EPREUVE ALÉATOIRE DEFINITIONS : EVENEMENTS REMARQUABLES

 EVENEMENT  L’évènement impossible, noté ∅ est l’évènement qui ne

Un évènement quelconque A est un ensemble d’évènements peut être réalisé quelle que soit l’issue de l’épreuve.
élémentaires et constitue une partie de l’univers des possibles Ω,
 L’évènement certain, noté Ω est toujours réalisé quelle
dont on sait dire à l’issue de l’épreuve s’il est réalisé ou non.
que soit l’issue de l’épreuve.
Exemple : A « l’individu est de rhésus positif »
 L’évènement contraire ou complémentaire d’un
A = {A+, B+, AB+, O+}
évènement A, noté 𝐀 est l’évènement qui est réalisé si et
A est une partie de Ω (A ⊂ Ω) seulement si A ne l’est pas.

2
 14/11/2022

DEFINITIONS : EVENEMENTS REMARQUABLES II OPERATION SUR LES EVENEMENTS

 EXEMPLE LA REUNION DE DEUX EVENEMENTS

On appelle réunion de deux évènements A et B, l’évènement
Dans l’exemple concernant les groupes sanguins,
qui est réalisé si et seulement si : A ou B est réalisé.
l’évènement contraire de A « l’individu est rhésus positif »
 EXEMPLE
est constitué des évènements élémentaire suivant :
𝐀 = {A-, B-, AB-, O-}
A « l’individu est rhésus positif » A
Ω=∅
B « l’individu possède l’allèle B » B
Alors A ⋃ B = {A+, B+, B-, AB+, AB-, O+}
∅=Ω

II OPERATION SUR LES EVENEMENTS II OPERATION SUR LES EVENEMENTS

L’INTERSECTION DE DEUX EVENEMENTS L’INTERSECTION DE DEUX EVENEMENTS

On appelle intersection de deux évènements A et B,
l’évènement qui est réalisé si et seulement si A et B le sont. Soit A « l’individu est de rhésus positif »

EXEMPLE : C « l’individu est de rhésus négatif »

« l’individu est de rhésus positif » Alors A ⋂ C = ∅ on dit que l’évènement A et C sont

A
B « l’individu possède l’allèle B » incompatibles (la réalisation de l’un et de l’autre
B
Alors A ⋂ B = {B+,AB+} simultanément n’est pas possible)

3
 14/11/2022

II OPERATION SUR LES EVENEMENTS II OPERATION SUR LES EVENEMENTS

EXEMPLE : EXEMPLE :

A⋂B 𝐀⋂B

A⋂𝐁 𝐀⋂𝐁

II OPERATION SUR LES EVENEMENTS II OPERATION SUR LES EVENEMENTS

EXEMPLE : A ⋃ B EXEMPLE : A ⋂ B

4
 14/11/2022

II OPERATION SUR LES EVENEMENTS II OPERATION SUR LES EVENEMENTS

EXEMPLE : A ⋂ B  EXEMPLE : B ⋃ 𝐁

II OPERATION SUR LES EVENEMENTS II OPERATION SUR LES EVENEMENTS

 EXEMPLE : A ⋃ 𝑨 EXEMPLE :

Dans la population entière, on prélève un individu et on va

traduire les situations suivantes; selon les symptômes A et B :
E « l’individu présente les 2 symptômes » A Et B = A⋂B

F « l’individu présente au moins 1 symptôme » A Ou B = A⋃B

G « l’individu présente seulement le symptôme A » A Et B = A⋂B

H « l’individu ne présente aucun symptôme » A Et B = A ⋂B

5
 14/11/2022

III DEFINITION DE LA PROBABILITÉ III DEFINITION DE LA PROBABILITÉ

Considérons un groupe de 11 individus dont 3 sont Nous avons 11 cas équirépartis puisque tous les
diabétiques. individus ont la même chance d’être choisis.

Parmi ces 11 cas, 3 sont favorables à la réalisation

de l’évènement « l’individu choisi est diabétique »

Proposons-nous, en choisissant au hasard un Nous dirons que la probabilité d’avoir un individu

individu, d’amener un diabétique. diabétique est 3/11

III DEFINITION DE LA PROBABILITÉ III DEFINITION DE LA PROBABILITÉ

Par définition, la probabilité de l’évènement E est le Ω = {A+,A-, B+, B- AB+,AB-, O+, O-}
rapport du nombre de cas favorables à la réalisation de Déterminer
cet évènement au nombre de cas possibles :
 La probabilité d’être de Rh+
𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑐𝑎𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑛 𝐶𝑎𝑟𝑑𝐸  La probabilité de posséder l’allèle A et d’être Rh-
𝑃 𝐸 = = =
𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑐𝑎𝑠 𝑝𝑜𝑠𝑠𝑖𝑏𝑙𝑒𝑠 𝑁 𝐶𝑎𝑟𝑑Ω
 La probabilité de posséder l’allèle A ou B
𝒏
0 ≤ 𝑛 ≤ 𝑁 et par conséquent 0 ≤ 𝑵
≤1

6
 14/11/2022

III DEFINITION DE LA PROBABILITÉ III DEFINITION DE LA PROBABILITÉ

 Soit Ω l’espace fondamental (ou l’univers) d’une épreuve

P(Ω) = 1 Ω
aléatoire. La probabilité P est une application de Ω vers
l’intervalle [0,1] satisfaisant les axiomes suivants :

a) Pour tout A ⊂ Ω, 0  P(A)  1 Si A ⋂ B = ∅ A

b) P(Ω) = 1 ; évènement certain Alors
B
c) Soit A et B sont deux évènements incompatibles
(A∩B = ∅) alors P(A∪B)=P(A) + P(B) P (A ⋃B )= P (A)+ P (B)

IV CALCULS DE PROBABILITÉS IV CALCULS DE PROBABILITÉS

Soit Ω l’espace fondamental (ou l’univers) et soit un Soit Ω l’espace fondamental (ou l’univers) et soit un
évènement A (A ⊂ Ω). évènement A (A ⊂ Ω).

P(Ω) = 1 (évènement certain) P(Ω) = 1 (évènement certain)

A⋃A=Ω A⋃A=Ω

P(A ⋃ A) = P(Ω) = 1 P(A ⋃ A) = P(Ω) = 1

P(A) + P(A ) = 1 ⇒ P(𝐀 ) = 1 – P(A) P(A) + P(A ) = 1 ⇒ P(𝐀 ) = 1 – P(A)

7
 14/11/2022

IV CALCULS DE PROBABILITÉS IV CALCULS DE PROBABILITÉS

 EXEMPLE
 Une probabilité représente le nombre de cas favorables
Un tissu biologique peut être infecté par une certaine bactérie
divisés par le nombre de cas possibles
(événement B) avec une probabilité de P(B) = 0,14 ou par un virus
 Soit A et son complémentaire Ā = Ω ; P(Ā) = 1- P(A) (événement V) avec une probabilité P(V) = 0,20. On trouve
 P () = 0 ; événement impossible habituellement 31% de tissu infecté. On suppose qu’il n’y a aucune

 Si A et B sont deux évènements quelconques, non autre cause d’infection.

nécessairement exclusifs: Pour un tel tissu, quelle est la probabilité qu’il soit infecté à la fois par
un virus et par une bactérie ?
P(A ∪ B) = P(A) + P(B) – P(A∩ B)

V PROBABILITÉS CONDITIONNELLES V PROBABILITÉS CONDITIONNELLES

 P(A) est la probabilité que le tissu soit infecté par un virus. Or d’après l’énoncé, 6 prélèvements sur 10 sont infectés par un virus.
Considérons 10 prélèvement de tissus à examiner dont 6 sont infectés par un virus,
Donc 𝑷(𝑨) = 𝟔/𝟏𝟎 = 𝟎, 𝟔
parmi lesquels 2 sont infectés par une bactérie. Au total, 5 prélèvement présentent une
 De même P(B) est la probabilité que le tissu soit infecté par une bactérie et 𝑷(𝑩) = 𝟓/𝟏𝟎 = 𝟎, 𝟓
infection bactérienne.
 P(A ∩ B) est la probabilité que le tissu présente une atteinte à la fois bactérienne et virale. Or sur les 10 prélèvements, 2 sont touchés à la
Désignons par A l’évènement « le tissu est infecté par un virus » et par B l’évènement fois par un virus et par une bactérie ; donc 𝑷(𝑨 ∩ 𝑩) = 𝟐/𝟏𝟎 = 𝟎, 𝟐

« le tissu est infecté par une bactérie ». On choisit un prélèvement au hasard,  P(A ∪ B) est la probabilité que le tissu soit infecté. L’infection peut être virale ou bactérienne. D’après la formule des probabilités totales,

 Déterminer P(A) ; P(B) ; P(A ∩ B) ; P(A ∪ B) 𝑷(𝑨 ∪ 𝑩) = 𝑷(𝑨) + 𝑷(𝑩) − 𝑷(𝑨 ∩ 𝑩) = 𝟎, 𝟔 + 𝟎, 𝟓 − 𝟎, 𝟐 = 𝟎, 𝟗

 Déterminer la probabilité que le prélèvement ne soit pas infecté  La probabilité que le tissu ne soit pas infecté c’est la probabilité que le tissu ne soit pas touché par un virus, ET qu’il ne soit pas touché par
une bactérie, il s’agit donc de 𝑃 𝐴̅ ∩ 𝐵 ; ni A ni B. L'évènement contraire est «A ou B »; donc 𝐴̅ ∩ 𝐵 = 𝐴 ∪ 𝐵;
 Si un tissu est infecté par une bactérie, quelle est la probabilité qu’il soit infecté par
par conséquent 𝑷 𝑨 ∩ 𝑩 = 𝑷 𝑨 ∪ 𝑩 = 𝟏 − 𝐏 𝑨 ∪ 𝑩 = 𝟏 − 𝟎, 𝟗 = 𝟎, 𝟏
un virus ?
 5 prélèvements sont infectés par une bactérie, parmi eux 2 présentent une infection virale, donc la probabilité que le tissus soit infecté par
 Si un tissu est infecté par un virus, quelle est la probabilité qu’il soit infecté par une un virus, s’il est déjà atteint par une bactérie, est 𝑷(𝑨/𝑩) = 𝟐/𝟓

bactérie ?  6 prélèvements sont infectés par un virus, parmi eux 2 présentent une infection bactérienne, donc la probabilité que le tissus soit infecté par
une bactérie, s’il est déjà atteint par un virus, est 𝑷(𝑩/𝑨) = 𝟐/𝟔 = 𝟏/𝟑

8
 14/11/2022

V PROBABILITÉS CONDITIONNELLES VI THÉORÈME DES PROBABILITES COMPOSEES

Soient A et B deux ensembles non exclusifs d’un espace fondamental

Ω avec P(B)≠ 0. A partir des probabilités conditionnelles :
La probabilité conditionnelle de l’évènement « A sachant B» noté
P(A / B) ou 𝑃 (A) est défini par le rapport : 𝑃(𝐴 ∩ 𝐵) 𝑃(𝐴 ∩ 𝐵)
𝑃 𝐴 ⁄𝐵 = ; 𝑃 𝐵 ⁄𝐴 =
𝑷(𝑨 ∩ 𝑩)
𝑃(𝐵) 𝑃(𝐴)
𝑷 𝑨⁄ 𝑩 = 𝑷 𝑩 𝑨 =
𝑷(𝑩)
Nous obtenons : 𝑷(𝑨 ∩ 𝑩) = 𝑷(𝑩) × 𝑷(𝑨/𝑩)
Remarque : P(A) est appelée la probabilité à priori (sans aucune
connaissance sur la réalisation de B) et P(A/B) est la probabilité à 𝑷(𝑨 ∩ 𝑩) = 𝑷(𝑨) × 𝑷(𝑩/𝑨)
posteriori (ou probabilité conditionnée par B).
Formule des probabilités composées

VI THÉORÈME DE BAYES
VII EVÈNEMENTS INDÉPENDANTS

Reprenons l’exemple
Un tissu biologique peut être infecté par une certaine
𝑃(𝐴 ∩ 𝐵) 𝑃(𝐴) × 𝑃(𝐵/𝐴) bactérie (événement B) avec une probabilité de P(B) = 0,14
𝑃 𝐴 ⁄𝐵 = =
𝑃(𝐵) 𝑃(𝐵)
ou par un virus (événement V) avec une probabilité P(V) =

𝑷(𝑨) × 𝑷(𝑩/𝑨) 0,20. On trouve habituellement 31% de tissu infecté. On

𝑷 𝑨⁄ 𝑩 = suppose qu’il n’y a aucune autre cause d’infection. Les 2
𝑷(𝑩)
infections virales et bactériennes sont-elles indépendantes ?

9
 14/11/2022

VII EVÈNEMENTS INDÉPENDANTS VII EVÈNEMENTS INDÉPENDANTS

𝑃 𝐵 = 0,14 𝑃(𝑉) = 0,20 Le risque à postériori de l’infection bactérienne 𝑷 𝑩⁄𝑽 est

𝑃 𝑉 ∪ 𝐵 = 0,31 𝑃(𝑉 ∩ 𝐵) = 0,03 légèrement supérieure à sa probabilité à priori 𝑃(𝐵). Le taux
Que le tissu soit infecté ou non par le virus, la probabilité de l’infection d’accroissement est de
, ,
= 7,1%
,
bactérienne, dite probabilité à priori est P(B) = 𝟎, 𝟏𝟒;
Si le tissu est infecté par un virus, alors la probabilité de l’atteinte La présence du virus augmente de 7,1% le risque d’atteinte
bactérienne devient 𝑃 𝐵⁄𝑉 bactérienne.

𝑃(𝐵 ∩ 𝑉) 0,03 Interprétation : le virus affaiblit le tissu et le rend plus

𝑃 𝐵⁄𝑉 = = = 0,15
𝑃(𝑉) 0,2 vulnérable à l’attaque bactérienne. Les 2 infections ne sont
pas indépendantes.

VII EVÈNEMENTS INDÉPENDANTS VII EVÈNEMENTS INDÉPENDANTS

DEFINITION DEFINITION

On dit que deux évènements A et B sont indépendants si la Les évènements A et B sont indépendants si est seulement
réalisation de B n’affecte pas celle de A, ie si la probabilité à si l’une des 3 égalités suivantes est vérifiée ;
postériori de A quand B est réalisé est à égale à la probabilité à
𝑃 𝐴/𝐵 = 𝑃 𝐴
priori de A ; 𝑃 𝐴/𝐵 = 𝑃 𝐴 ; De même 𝑃 𝐵/𝐴 = 𝑃 𝐵
𝑃 𝐵/𝐴 = 𝑃 𝐵
Or 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵) × 𝑃(𝐴/𝐵)
𝑷(𝑨 ∩ 𝑩) = 𝑷(𝑨) × 𝑷(𝑩)
Donc 𝑷(𝑨 ∩ 𝑩) = 𝑷(𝑩) × 𝑷(𝑨)

10
 14/11/2022

VII EVÈNEMENTS INDÉPENDANTS VII EVÈNEMENTS INDÉPENDANTS

EXERCICE EXERCICE
Afin d'illustrer la notion de probabilité conditionnelle, voici un exemple
1. Quelle est la probabilité qu’une fille ait une allergie ?
concernant une école primaire ou 450 élèves sont inscrits. Une allergie est
apparue chez certains d’entre eux. Les responsables de l’école se demandent 2. Quelle est la probabilité qu’un demi-pensionnaire ait une
si l’origine de cette allergie est alimentaire (provenant de la cantine) et si les allergie ?
allergies ne touchent pas plus les filles. Parmi les 450 élèves, 180 élèves ont
présenté une allergie, 225 élèves sont des filles et 225 élèves sont des demi- 3. « Avoir une allergie » et « être une fille » sont-ils des
pensionnaires (mangent à la cantine). De plus on sait que 90 cas d’allergie sont évènements indépendants ?
des filles et 135 cas d’allergie sont des demi-pensionnaires. Soient les
4. Interpréter les résultats et répondre à la préoccupation des
évènements A = « Avoir une allergie », B = « être une fille » et C = « être
demi-pensionnaire » responsables de l’école

VIII PROBABILITÉS TOTALES VIII PROBABILITÉS TOTALES

DEFINITION D’UNE PARTITION FORMULE DES PROBABILITÉS TOTALES

L’ensemble des événements 𝐴1; 𝐴2; … … . ; 𝐴𝑛 forme une Si 𝑨𝟏 ; 𝑨𝟐 ; … … . ; 𝑨𝒏 forme une partition de Ω alors pour tout M ⊂ Ω :
partition de Ω si
𝑷 𝑴 = 𝑷 𝑴 ∩ 𝑨𝟏 + 𝑷 𝑴 ∩ 𝑨𝟐 + ⋯ + 𝑷 𝑴 ∩ 𝑨𝒏
 𝐴𝑖 ≠  pour tout i de 1 à n
Ou encore
 𝐴𝑖 ∩ 𝐴𝑗 ≠  pour tout i et j de 1 à n
 𝐴1 ∪ 𝐴2 ∪ ⋯ ∪ 𝐴𝑛 = Ω 𝑷 𝑴 = 𝑷 𝑨𝟏 × 𝑷 𝑴/𝑨𝟏 + 𝑷 𝑨𝟐 × 𝑷 𝑴/𝑨𝟐 + ⋯ + 𝑷 𝑨𝒏 × 𝑷 𝑴/𝑨𝒏

Une partition est donc un ensemble d’évènements non vides qui Cette formule permet de calculer la probabilité d'un événement M en le
sont incompatibles deux a deux et qui reconstituent l’espace décomposant suivant un système complet d'événements
𝑨𝟏 ; 𝑨𝟐 ; … … . ; 𝑨𝒏
fondamental Ω quand on les réunit (Exemple : 𝐴 et 𝐴̅).

11
 14/11/2022

VIII PROBABILITÉS TOTALES VIII PROBABILITÉS TOTALES

FORMULE DES PROBABILITÉS TOTALES FORMULE DES PROBABILITÉS TOTALES

Ω Ω
𝑨 𝑨 A B
𝐌∩𝑩

𝐌∩𝐀 𝐌∩𝑨
𝐌∩𝑪
𝑷 𝑴 = 𝑷 𝑴∩𝑨 +𝑷 𝑴∩𝑨 𝑷 𝑴 = 𝑷 𝑴 ∩ 𝑨 + 𝑷 𝑴 ∩ 𝑩 +𝑷 𝑴 ∩ 𝑪 C

= 𝑷 𝑨 × 𝑷 𝑴/𝑨 + 𝑷 𝑨 × 𝑷 𝑴/𝑨 = 𝑷 𝑨 × 𝑷 𝑴/𝑨 + 𝑷 𝑩 × 𝑷 𝑴/𝑩 + 𝑷 𝑪 × 𝑷 𝑴/𝑪

𝑷(𝑨 ∩ 𝑴) 𝑷 𝑨 × 𝑷 𝑴/𝑨 𝑷 𝑨 × 𝑷 𝑴/𝑨

𝑷 𝑨⁄𝑴 = = 𝑷 𝑨⁄𝑴 =
𝑷(𝑴) 𝑷 𝑨 × 𝑷 𝑴/𝑨 + 𝑷 𝑨 × 𝑷 𝑴/𝑨 𝑷 𝑨 × 𝑷 𝑴/𝑨 + 𝑷 𝑩 × 𝑷 𝑴/𝑩 + 𝑷 𝑪 × 𝑷 𝑴/𝑪
𝐌∩𝐂
C

IX CONCLUSION
VIII PROBABILITÉS TOTALES

Le théorème de Bayes est particulièrement utile dans le cas où les probabilités

ARBRE DES PROBABILITÉS
conditionnelles à A et à 𝑨 sont connues alors que la probabilité conditionnelle a
Un arbre pondéré, ou arbre de probabilité, est un schéma mettant en jeu des l'évènement B est recherchée.
probabilités conditionnelles et permettant de calculer rapidement des probabilités. Un exemple typique de cette situation concerne les tests de dépistage d'une
pathologie. En effet, les études lors de l’élaboration du test permettent bien souvent
1. La somme des probabilités des branches
d'obtenir les probabilités des résultats du test sur une personne malade et sur une
issues d’un nœud est égale à 1.
personne saine (sensibilité et spécificité)
2. La probabilité de l’événement à l’extrémité Ici, les probabilités disponibles sont conditionnelles au statut de Ia maladie. Or, une
d’un chemin* est égale au produit des
personne se présentant pour un dépistage connaitra le résultat du test et aimerait
probabilités des branches composant ce chemin.
savoir la probabilité qu'elle soit malade conditionnellement a ce résultat.
3. La probabilité d’un événement est égale à la Le théorème de Bayes permet de faire ce calcul comme cela sera montré lors d'un
somme des probabilités des chemins
conduisant à cet événement. exemple plus loin.

*L’événement lu à l’extrémité d’un chemin est l’intersection des événements rencontrés sur ce chemin.

12
 14/11/2022

EXERCICE RÉCAPITULATIF EXERCICE RÉCAPITULATIF

1. Quelle est la probabilité :

Une maladie génétique atteint 10 % de la population. Un test • qu'une personne prise au hasard soit saine ?
de dépistage (soit positif, soit négatif) est fait au préalable pour • qu'une personne malade prise au hasard ait un test négatif ?
• qu'une personne saine prise au hasard ait un test négatif ?
déterminer quelle partie de la population aura accès a un
2. Une personne passe le test et a un résultat positif. Quelle est la probabilité
dépistage génétique plus poussé. qu'elle soit malade ? Qu'elle ne soit pas malade ?
3. Mêmes questions mais dans le cas ou le test a un résultat négatif.
On sait que le test de dépistage est positif pour 90 % des
4. Que pensez-vous des performances du test ?
personnes atteintes et pour 5 % des personnes saines.
5. Les évènements T et A sont-ils indépendants ?
On notera A = « Être malade » et T = « Test positif ».
6. Si c’était le cas, que penseriez-vous du test ?

EXERCICE RÉCAPITULATIF EXERCICE RÉCAPITULATIF

D’après l’énoncé, certaines probabilités sont directement accessibles : 2. Une personne passe le test et a un résultat positif. Quelle est la probabilité
𝑃(𝐴) = 0,1 (« 10 % de la population est malade »), qu'elle soit malade ? Qu'elle ne soit pas malade ? On cherche ici 𝑷(𝑨/𝑻) et
𝑃(𝑇/𝐴) = 0,9 (« test positif pour 90 % des personnes malades »)
𝑃(𝑇/𝐴̅) = 0,05 (« test positif pour 5 % des personnes saines »). 𝑷(𝑨/𝑻).
1) On cherche respectivement 𝑃(𝐴̅), 𝑃(𝑇/𝐴) 𝑒𝑡 𝑃(𝑇/𝐴̅).
𝐴 et 𝐴̅ forment une partition, donc d’après le théorème de Bayes :
Les deux évènements 𝐴 et 𝐴̅ sont complémentaires : 𝑃(𝐴) + 𝑃(𝐴̅) = 1
On en déduit que 𝑷(𝑨) = 1 — 𝑃(𝐴) = 1 — 0,1 = 𝟎, 𝟗. 𝑃 𝐴 × 𝑃 𝑇⁄𝐴 0,1 × 0,9
𝑷 𝑨⁄𝑻 = = = 𝟎, 𝟔𝟕
Les deux évènements 𝑇 et 𝑇 sont complémentaires : 𝑃(𝑇/𝐴) + 𝑃(𝑇/𝐴) = 1 𝑃 𝐴 × 𝑃 𝑇⁄𝐴 + 𝑃 𝐴̅ × 𝑃 𝑇⁄𝐴̅ 0,1 × 0,9 + 0,9 × 0,05
On déduit donc que 𝑷(𝑻/𝑨) = 1 — 𝑃(𝑇/𝐴) = 1 — 0,9 = 𝟎, 𝟏.
Les deux évènements 𝑇 et 𝑇 sont complémentaires : 𝑃(𝑇/𝐴)̅ + 𝑃(𝑇̅/𝐴)̅ = 1 On 𝑷(𝑨/𝑻) = 𝟏 − 𝑷(𝑨/𝑻) = 𝟎, 𝟑𝟑
déduit donc que 𝑷(𝑻/𝑨) = 1 — 𝑃(𝑇/𝐴̅) = 1 — 0,05 = 𝟎, 𝟗𝟓.

13
 14/11/2022

EXERCICE RÉCAPITULATIF EXERCICE RÉCAPITULATIF

4. Que pensez-vous des performances du test ?

3. Mêmes questions mais dans le cas ou le test a un résultat négatif. On
Lorsque le test est positif, les résultats obtenus sont 𝑃(𝐴/𝑇) = 0,67 et 𝑃(𝐴̅/𝑇) = 0,33
cherche ici 𝑷(𝑨/𝑻) et 𝑷(𝑨/𝑻).
Lorsque le test est négatif, les résultats obtenus sont 𝑃 𝐴⁄𝑇 = 0,01 et 𝑃(𝐴̅/𝑇) = 0,99

𝐴 et 𝐴̅ forment une partition, donc d’après le théorème de Bayes : La personne ayant un résultat négatif est rassurée car dans 99 % des cas, elle n'est effectivement
pas malade. Par contre, Ia personne qui a un test positif peut malgré tout ne pas être malade dans
33 % des cas.
𝑃 𝐴 × 𝑃 𝑻⁄𝐴 0,1 × 0,1
𝑷 𝑨⁄𝑻 = = = 𝟎, 𝟎𝟏 L'objectif était ici de définir une population dite a risque afin de proposer un second test. II est
𝑃 𝐴 × 𝑃 𝑻⁄𝐴 + 𝑃 𝐴̅ × 𝑃 𝑻⁄𝐴̅ 0,1 × 0,1 + 0,9 × 0,95
donc indispensable lors de cette étape de ne pas beaucoup se tromper quand on exclut une
personne de cette population a risque, ce qui est le cas dans 1 % des cas. Par contre, le fait
𝑷(𝑨/𝑻) = 𝟏 − 𝑷(𝑨/𝑻) = 𝟎, 𝟗𝟗 d'inclure une personne en trop n'engendre que des problèmes de coûts supplémentaires et n’a
pas de conséquence sur Ia santé, ceci arrive dans 33 % des cas. Pour définir une population a
risque, il est donc impératif d'avoir une forte probabilité 𝑃(𝐴̅/𝑇), ce qui est le cas ici.

EXERCICE RÉCAPITULATIF

5. Les évènements T et A sont-ils indépendants ?

Les évènements T et A ne sont pas indépendants car 𝑃 𝐴 ∩ 𝑇 ≠ 𝑃 𝐴 × 𝑃 𝑇

En effet,

𝑃 𝐴 ∩ 𝑇 = 𝑃 𝐴 × 𝑃 𝑇/𝐴 = 0,1 × 0,9 = 0,09

𝑃 𝑇 = 𝑃 𝑇 ∩ 𝐴 + 𝑃 𝑇 ∩ 𝐴̅ = 𝑃 𝐴 × 𝑃 𝑇/𝐴 + 𝑃 𝐴̅ × 𝑃 𝑇/𝐴̅ = 0,1 × 0,9 + 0,9 × 0,05 = 0,135

𝑃(𝐴) = 0,1

6. Si c’était le cas, que penseriez-vous du test ?

Si les évènements T et A étalent indépendants, cela signifierait que le résultat du test

n'apporte aucune information sur Ia maladie. II s'agirait donc d'un test complètement inutile.

14