LE THEORÈME DE BAYES

théorie en 30 secondes

Supposez qu’un test pour une certaine maladie soit exact à 90 %. Maintenant, imaginez que Bob, choisi au hasard, soit testé positif. Quelle est la probabilité pour que Bob soit réellement malade ? Vous ne pouvez répondre à cette question ! Vous avez besoin d’une information complémentaire, c’est-à-dire de savoir si la maladie est courante. Vous avez besoin de connaître la probabilité préalable qu’une personne choisie au hasard soit malade. Supposons que 1 % de la population ait la maladie. Le théorème de Bayes nous indique comment trouver la probabilité d’avoir une maladie donnée, avec un test positif. Dans un groupe de 1 000 individus, une moyenne de 10 aura la maladie (1 %) et 9 seront testés positifs (vrais positifs). Le reste 990 n’a pas la maladie et 10 % d’entre eux, ou 99, resteront testés positifs (« faux positifs »). Les faux positifs surpassent en nombre les vrais positifs par 99 contre 9, ainsi la cote sera de 11 : 1 contre Bob ayant la maladie. Un événement peu probable reste peu probable en dépit de l’évidence produite par le test exact !

CONDENSÉ EN 3 SECONDES

Le théorème de Bayes vous aide à trouver la probabilité qu’un événement donne toutes les évidences, mais seulement si vous connaissez la « probabilité préalable » de l’événement.