Rappels. Probabilités et Variables Aléatoires. Pr Roch Giorgi.

Transcription

1 Rappels Probabilités et Variables Aléatoires Pr Roch Giorgi SESSTIM, Faculté de Médecine, Aix-Marseille Université, Marseille, France

2 Introduction Probabilité : modélise des phénomènes aléatoires dont les issues sont connues mais dont on ne peut en prédire la valeur car leur réalisation est incertaine Observation des issues d un phénomène aléatoire sur des séries suffisamment grandes permet d en déterminer leurs fréquences et par la suite la loi de distribution qui le dirige

3 Rappels sur les Ensembles Ensemble : collection bien définie d objets Elément : objet appartenant à l ensemble A *a Sous-ensemble : A : ensemble d éléments a appartenant tous à

4 Rappels sur les Ensembles B Réunion : A B A ou B A Intersection : A B A et B si A B = alors A et B sont disjoints. A B Complémentarité : C A A C A

5 Notion de Probabilité Probabilité : modélisation de phénomènes aléatoires Ensemble fondamental : : ensemble des résultats possibles pour une expérience donnée (événements certains) Événement : c est un sous-ensemble A de, c està-dire un ensemble de résultats. Un événement élémentaire est a

6 Exemple Expérience aléatoire d un jet de dé non pipé à 6 faces Ensemble fondamental : = {f1, f2, f3, f4, f5, f6} Événement A : face de nombre 2 = f1 f2 Événement B : face de nombre 5 = f5 f6 Événement C : face de nombre paire {2, 4, 6} = f2 f4 f6 A B = f1 f2 f5 f6, A B = A C = f1 f2 f4 f6, A C

7 Notion de Probabilité Épreuve répétée n fois Fréquences Absolues Fréquences Relatives f1 f2 f3 f4 f5 f6 Total n 1 n 2 n 3 n 4 n 5 n 6 n n 1 /n n 2 /n n 3 /n n 4 /n n 5 /n n 6 /n 1 Freq(A)=(n 1 + n 2 )/n Freq(AB)=(n 1 + n 2 + n 5 + n 6 )/n=(n 1 + n 2 )/n + (n 5 + n 6 )/n = Freq(A) + Freq(B) Freq(AC)=(n 1 + n 2 + n 4 + n 6 )/n Freq(A) + Freq(C) Lorsque n la fréquence relative d un événement tend vers la probabilité de cet événement

8 Probabilités Élémentaires Soit un ensemble fondamental, P la fonction de probabilité qui à tout événement A associe un nombre réel positif ou nul. P(A) est appelée probabilité de l événement A si : P(A) 0 P() = 1 si A B = P(A B) = P(A) + P(B) si A i A j = P(A 1 A 2...) = P(A 1 ) + P(A 2 ) + on en déduit que : P() = 0 P(A) 1 P(C A ) = 1 - P(A) si A B, alors P(A) P(B) P(A B) = P(A) + P(B) - P(A B)

9 Probabilités Conditionnelles Exemple : On s intéresse au test de l Hémocult dans le cadre du diagnostic du cancer colorectal La probabilité d avoir un cancer colorectal sachant le test Hémocult positif est une probabilité conditionnelle P(CCR \ Hémoc. Positif)

10 Probabilités Conditionnelles La probabilité de A sachant B est définie par P A \ B P A B P B d où P(A B ) = P(A \ B)P(B) = P(B \ A)P(A) et P A \ B P B \ APA PB Théorème de Bayes

11 Indépendance en Probabilité A et B sont indépendants ssi P(A B ) = P(A ).P(B) Si A et B sont indépendants et P(A) > 0, P(B) > 0, alors P(A \ B ) = P(A B ) \ P(B) = P(A ).P(B) \ P(B) 2 événements disjoints de probabilités non nulles ne sont jamais indépendants disjoints : P(A B ) = 0 indépendants : P(A B ) = P(A).P(B)

12 Probabilités Conditionnelles A 1,, A n événements formant une partition de B un événement quelconque Alors P(B) = P(B A 1 ) P(B A 2 )... P(B A n ) Et P A i \ B P PB \ A i P Ai B \ A PA... PB \ A PA 1 1 n n Formule développée de Bayes

13 Probabilités Conditionnelles Exemple : La prévalence du SIDA dans une population est de 10 % On sait qu un test diagnostique est positif chez 95% des HIV + et qu il est négatif chez 98% des HIV - Qu elle est la probabilité d être HIV + si le test est positif P(HIV+) = 0,1 P(T+ \ HIV+) = 0,95 P(T+ \ HIV-) = 0,02 P T+\HIV+ P HIV+ PHIV+\T+ = P T+\HIV+ P HIV+ +P T+\HIV- P HIV- P(HIV+\ T+) = (0,95*0,1)/(0,95*0,1 + 0,02*0,9) = 0,84

14 Variable Aléatoire Si Pile, A gagne 1 $ Si Face, A perd 1 $ : {Pile, Face} P(Pile) = P(Face) = 0,5 G : gain de A; G = +1, si Pile; G = -1, si Face P(G = +1) = P(G = -1) = 0,5 Distribution de G : {(+1; 0,5), (-1; 0,5)} G : variable aléatoire qui suit une certaine loi de probabilité

15 Variable Aléatoire : Définition Soit E un ensemble d événements d ensemble fondamental fini, et a un événement élémentaire de E Pour tout événement a appartenant à E on fait correspondre un nombre x (variable aléatoire) selon une loi bien définie

16 Variable Aléatoire : Exemple Soit une maladie M pour laquelle il est nécessaire de débuter un TRT avant confirmation du diagnostic. Le médicament utilisé est cependant connu pour entraîner des effets indésirables. On sait que : P(M + )=5%; P(EI + \M+)=30%; P(EI - \M - )=85% EI + M + M - P(EI + M + ) = 0,3x0,05 P(EI + M - ) = (1-0,85)x(1-0,05) = 1,5% = 14,3% X = 1 X = 1 EI - P(EI - M + ) = (1-0,3)x0,05 = 3,5% P(EI - M - ) = 0,85x(1-0,05) = 80,8% X = 0 X = 0 où X est une v.a. indicatrice des EI. La distribution de X est : {(0; 0,84), (1; 0,16)}

17 Estimation Population théorique Fréquence F de variance 2 inconnues Tirage au sort Échantillon Fréquence f 2 de variance s x connues (calculées)

18 Estimation : proportion D une proportion Soit k le nombre de fois où un caractère donné est présent dans un échantillon tiré au hasard d effectif n. La fréquence du caractère étudié f est une bonne estimation de la fréquence de ce caractère dans la population De la variance d une proportion f k n 1 n f