Aller au contenu

Leçon 5

Trois probabilités à distinguer, faux positifs

Vidéo 5 : Trois probabilités à distinguer, faux positifs · 4 min 54 s · sous-titres en français

Le cours écrit

5.1 Une case, trois dénominateurs

P(A∩B)P(A \cap B), PA(B)P_A(B) et PB(A)P_B(A) utilisent le même numérateur, mais pas le même dénominateur.

Exemple 13. Au camping (exemple 7), la case 120120 donne trois nombres différents :

  • P(F∩T)=120400=0,3P(F \cap T) = \dfrac{120}{400} = 0{,}3, sur toute la population ;
  • PF(T)=120300=0,4P_F(T) = \dfrac{120}{300} = 0{,}4, à l'intérieur de la ligne France ;
  • PT(F)=120200=0,6P_T(F) = \dfrac{120}{200} = 0{,}6, à l'intérieur de la colonne Tente.

5.2 De la phrase au symbole

Phrase Groupe Symbole
30 %30\,\% des vacanciers viennent de France et dorment sous tente tous P(F∩T)=0,3P(F \cap T) = 0{,}3
40 %40\,\% des vacanciers venus de France dorment sous tente FF PF(T)=0,4P_F(T) = 0{,}4
60 %60\,\% des vacanciers sous tente viennent de France TT PT(F)=0,6P_T(F) = 0{,}6

Automatisme. Sur quel groupe le pourcentage est-il calculé ? Si c'est toute la population, il n'y a pas d'indice. Sinon, ce groupe va en indice.

5.3 Un test de dépistage

Exemple 14. Dans une population, 1 %1\,\% des personnes ont une certaine maladie. Un test est positif pour 99 %99\,\% des malades et pour 5 %5\,\% des personnes non malades. On note MM : « la personne est malade » et TT : « son test est positif ». Ainsi P(M)=0,01P(M) = 0{,}01, PM(T)=0,99P_M(T) = 0{,}99 et PM‾(T)=0,05P_{\overline{M}}(T) = 0{,}05.

Imaginons 10 00010\,000 personnes. Il y a 100100 malades, dont 9999 ont un test positif ; il y a 9 9009\,900 personnes non malades, dont 0,05×9 900=4950{,}05 \times 9\,900 = 495 ont un test positif.

Test positif Test négatif Total
Malades 9999 11 100100
Non malades 495495 9 4059\,405 9 9009\,900
Total 594594 9 4069\,406 10 00010\,000

Une personne a un test positif. La probabilité qu'elle soit malade est PT(M)=99594=16≈17 %.P_T(M) = \frac{99}{594} = \frac16 \approx 17\,\%.

Ce n'est pas 99 %99\,\% : PM(T)P_M(T) et PT(M)P_T(M) répondent à deux questions différentes. Inverser le « sachant », c'est changer de question. La maladie étant rare, les personnes non malades sont si nombreuses que 5 %5\,\% d'entre elles dépassent les malades : 495495 contre 9999. Le test n'est pas mauvais pour autant, car il fait passer le risque de 1 %1\,\% à environ 17 %17\,\%. Mais un test positif ne suffit pas pour conclure.

5.4 Vocabulaire des tests

Mot Sens Dans l'exemple 14
Faux positif personne non malade, test positif 495495 personnes
Faux négatif personne malade, test négatif 11 personne
Sensibilité PM(T)P_M(T) 0,990{,}99
Spécificité PM‾(T‾)P_{\overline{M}}\left(\overline{T}\right) 0,950{,}95

5.5 Un peu d'histoire

Les probabilités conditionnelles apparaissent dans des travaux de Bayes et de Moivre, écrits en anglais au XVIIIe siècle, même si c'est Laplace qui en a élaboré la notion. Elles sont partout dans la vie courante, et leur utilisation inappropriée mène facilement à de fausses affirmations.

Lire le cours complet du chapitre

Exercices 9 et 10

  • Exercice 9 : de la phrase au symbole
  • Exercice 10 : un logiciel anti-plagiat

Exercices du chapitre (PDF, 150 Ko)

Corrigés

Cherche d'abord les exercices sur ta feuille, puis compare avec le corrigé détaillé.

Corrigés du chapitre (PDF, 134 Ko)

Tu es hors connexion. Les chapitres téléchargés restent disponibles dans Hors connexion.