Vous êtes sur la page 1sur 7

Institut Suprieur de Gestion de Tunis Master IAG Cours: Gestion des connaissances et de lincertitude Yag lane

Mars 2011 B.Ben

Thorie de lvidence & Thorie des possibilits

Correction T!2

Exercice 1
Soit m une fonction qui affecte chaque sous-ensemble A de un nombre m(A) dans l'intervalle unit [0,1 , la somme de ces nombres valant 1! m(A) est la "robabilit "our qu'on ne dis"ose que de l'information A sur la localisation d'un ob#et de ! 1. $u%e&"rime la fonction m quand m() ' 1( m() ' 1 e&"rime lignorance totale! )! *onne+, dans le cas ,nral, l'e&"ression du de,r de certitude -el(-) et du de,r de "lausibilit .l(-) d'un vnement - en fonction de m!
bel : 2 [0.1] A

B A, B

m( B ) et

pl : 2 [0.1] A

B A

m( B )

/! $uel est le lien entre .l et -el( 0a fonction de "lausibilit est la fonction duale de la fonction de certitude (ou de cro1ance)
pl ( A) = 1 bel ( A)

2! $uand se rduisent-elles des mesures de "robabilit( 0orsque les lments focau& sont tous des singletons, la notion de masse est assimilable celle de "robabilit!

Exercice 2 3
Soit ' 451, 5), *1, *), */6 le cadre de discernement com"renant l%ensemble des candidats se "rsentant la "rochaine lection "rsidentielle! 7n sonda,e ralis dans la rue donne le rsultat suivant 3 )08 sont certains de voter "our 51, 98 "our 5), /08 "our *1, 108 "our la droite mais qui ne savent "as "our quel candidat, 108 "our la ,auche mais qui ne savent "as "our quel candidat et )98 qui ne savent "as "our quel candidat voter!
:* ) ; :horie de l%vidence et thorie des "ossibilits 1<1

1. *onner le #eu de masses corres"ondant tabli la suite du sonda,e traduisant les intentions de vote des =ran>ais ( $ue si,nifie m(A) "our tout A ( m (51) ' 0,) m (5)) ' 0,09 m (*1) ' 0,/ m (*1 *) */) ' 0,1 m (51 5)) ' 0,1 m ()' 0, )9 0a masse m (A) re"rsente la "artie du de,r de cro1ance "lace exactement sur la "ro"osition A! Si cette derni?re est diffrente d'une h1"oth?se sin,leton alors cette masse re"rsente la "artie du de,r de cro1ance "lace e&actement sur elle et qui n'a "as "u, com"te tenu de l'tat actuel de la connaissance, @tre affecte un sousensemble "lus s"cifique A! )! Aalculer les fonctions de cro1ances relatives ce #eu de masse ( -el (51) ' m (51) ' 0,) -el (5)) ' m (5)) ' 0,09 -el (*1) ' m (*1) ' 0, / -el (*))' 0 -el (*/)' 0 -el (*1 *) */) ' m (*1) B m (*1 *) */) ' 0,2 -el (51 5) ) ' m (51) B m (5)) B m (51 5)) ' 0, /9 -el ()' 1 /! 0e lendemain de ce sonda,e, on a""rend la mort des deu& candidats *1 et 51 la suite d'un accident de la route! *'autre "art, "our des raisons financi?res ou de tem"s, il est tro" tard "our raliser un autre sonda,e! Cn "eut alors se demander comment remettre #our le sonda,e ci-dessus en sachant que le ,a,nant sera maintenant l'un des trois candidats encore vivants, savoir A' 45), *), */6! *onner les #eu& de masses en a""liquant 3 0a loi de conditionnement de *em"ster normalise m (51) ' 0,) non "rise en com"te m (5)) ' 0,09 mA (5)) ' 0,19 < 0,)B0,/ ' 0,/ m (51 5)) ' 0,1 m (*1) ' 0,/ non "rise en com"te m (*1 *) */) ' 0,1 mA (*) */) ' 0,1 < 0,)B0,/ ' 0,) m ()' 0, )9 mA (A)' 0, )9 < 0,)B0,/ ' 0,9 0a loi de conditionnement de *em"ster non-normalise m (51) ' 0,) m (*1) ' 0,/ mA () ' 0,9 m (5)) ' 0,09 m (51 5)) ' 0,1 mA (5)) ' 0,19

m (*1 *) */) ' 0,1 mA (*) */) ' 0,1 m ()' 0, )9 mA (A)' 0, )9

:* ) ; :horie de l%vidence et thorie des "ossibilits

)<)

Exercice 3 3 On a pu isoler quatre suspects qui se trouvaient non loin du lieu dun vol lorsqu'il a t commis, savoir Pierre, Paul, acques et !ves dont les descriptions "ournies lors de leurs interpellations sont respectivement:
.ierre .aul Eacques Gves Cheveux -londs -londs -runs -lancs Taille 5rand .etit Fo1enne .etit Moustache Don Cui Cui Don

:rois lments d'information sont dis"onibles, que l%on va chercher recou"er! 1! 0'enqu@teur a trouv quelques cheveu& blonds sur les lieu& du vol! Hl "ense que la "robabilit "our qu'il s'a,it des cheveu& laisss "ar le voleur durant l'a,ression est 0!I! $uels sont les sous-ensembles de "ersonnes corres"ondant chacune des couleurs de cheveu& du rfrentiel 4blond, blanc, brun6 si l%information est "ertinente! -lo ' 44.ierre6, 4.aul6, 4.ierre,.aul66 $uelle est la fonction de masse m1 induite "ar cette information sur le rfrentiel des "ersonnes 4.ierre, .aul, Eacques, Gves6, qui chaque sous-ensemble de A de sus"ects, donne la "robabilit m(A) "our qu%on sache seulement que le cou"able est "armi A( m1(4.ierre, .aul6) ' 0,I m1(4Eacques6) ' 0 m1(4Gves6) ' 0 m1() ' 0,1

)! 0a "ersonne a,resse n'a "as vraiment bien vu son a,resseur car il faisait sombre dans la "i?ce oJ a eu lieu le vol, mais elle croit qu'il tait "etit avec une "robabilit 0!K $uels sont les sous-ensembles de "ersonnes corres"ondant chacune des tailles du rfrentiel 4"etit, mo1en, ,rand6 si l%information est "ertinente! .etit ' 44.aul6, 4Gves6, 4.aul, Gves66 $uelle est la fonction de masse m) induite "ar cette information sur le rfrentiel des "ersonnes 4.ierre, .aul, Eacques, Gves6( m)(4.aul, Gves6) ' 0,K m)(4.ierre6) ' 0 m)(4Eacques6) ' 0 m)() ' 0,2

/! *e "lus un tmoin a vu une "ersonne moustachue "ntrer dans la maison un "eu avant le vol, mais ne se souvient "lus de sa taille, ni de la couleur de ses cheveu&! 0'enqu@teur "ense qu'il 1 a une chance sur trois que l'a,resseur ait "u se raser la moustache a"r?s le vol! $uelle est la fonction de masse m/ induite "ar cette information sur le rfrentiel des "ersonnes 4.ierre, .aul, Eacques, Gves6( m/(4Eacques, .aul6) ' 1</ m/() ' )</ 2! $uelle sorte de mesures d%incertain sont induites sur 4.ierre, .aul, Eacques, Gves6 "ar ces informations 3 "ossibilit, "robabilit, fonction de cro1ance( Eustifie+ votre r"onse!
:* ) ; :horie de l%vidence et thorie des "ossibilits /</

A%est des mesures de fonctions de cro1ances car les lments focau& sont sur des sous-ensembles, en "lus on e&"rime l%i,norance "artielle! 9! =usionne+ les trois informations l'aide de la r?,le de combinaison de *em"ster!

m)
m)() ' 0,2 4.ierre,.aul6 0,/K 0,02

m)(4.aul,Gves6) ' 0,K

4.aul6 0,92

4.aul,Gves6 0,0K

0
m1(4.ierre,.aul6)'0,I m1)(4.aul6) ' m1m)(4.aul6) ' 0!92 m1)(4.ierre,.aul6) ' m1m)(4.ierre,.aul6) ' 0!/K m1)(4.aul,Gves6) ' m1m)(4.aul,Gves6) ' 0!0K m1)() ' m1m)() ' 0!02 m1()'0,1

m1

m/
m/() ' )</ 4 .aul6 0,/K 4.ierre,.aul6 0,)2 4.aul,Gves6 0,02 0,0)K

m/(4.aul,Eacques6) ' 1</

4.aul6 0,1L

4.aul6 0,1)

4.aul6 0,0)

4.aul, Eacques6 0,01/

m1)
m1)(4.aul6)'0,92 m (4.ierre,.aul6) ' 0,/K m (4.aul,Gves6) ' 0,0K ) 1) m1)/(4.aul6) ' m1)m/(4.aul6) ' 0!1LB0!/KB0!1)B0!0) ' 0!KL m1)/(4.ierre,.aul6) ' m1)m/(4.ierre,.aul6) ' 0!)2 m1)/(4.aul,Gves6) ' m1)m/(4.aul,Gves6) ' 0!02 m1)/(4.aul,Eacques6) ' m1)m/(4.aul,Eacques6) ' 0!01/9 m1)() ' m1m)() ' 0!0)K9 K! $uel est l'individu sur lequel "?se le "lus de sou">ons( Aalcule+ le de,r de certitude qu'il soit cou"able, et le de,r de certitude qu'il ne le soit "as! Aom"are+ ces de,rs avec les m@mes de,rs calculs l'aide de chacune des informations "rises isolment! $ue "eut-on conclure sur la r?,le de *em"ster ( A%est .aul!
:* ) ; :horie de l%vidence et thorie des "ossibilits 2<2

m1)()'0,02

Exercice 4 3
*ans un s1st?me e&"ert en recherche "troli?re, "lusieurs connaissances d%ordre ,ochimiques ou ,olo,iques sont formalises en vue d%arriver dterminer un t1"e de saturation dans une couche ,olo,ique! Aes connaissances sont de trois cat,ories 3 Mau (M), .trole (.) ou 5a+ (5)! 0%intr@t de ce s1st?me rside dans le fait que "lusieurs conclusions s%e&cluent mutuellement (autres qu%une connaissance et son contraire) bien qu%il soit difficile de s"arer certaines conclusions (eau ou "trole, N)! 1! Su""osons d%une "art que les donnes de la ,ochimie nous donnent une "remi?re distribution de masses "our Mau de 0!9 et "our .trole de 0!/! Mt d%autre "art, les r?,les de la ,olo,ie concluent O 5a+ ou .trole P avec une masse de 0!2! $uel serait le rsultat de l%a,r,ation normalise ( M 0!9 0!) M 0!/ . 0!/ . 0!1) . 0!1L 0!) 5 ou . 0!0L 0!1)

5 ou . 0!2 0!K

0a facteur de normalisation Q ' 1 < (1-c) ' 1 < (1-0!)) ' 1!)9 avec c est le coefficient de conflit! *%oJ le rsultat de l%a,r,ation normalis est 3 m(E) ' 1!)9 & 0!/ ' 0 3!" m(#) ' 1!)9 & (0!1)B0!1L) ' 0 3!" m($ ou #) ' 1!)9 & 0!0L ' 0 1 m( ) ' 1!)9 & 0!1) ' 0 1"

)! Su""osons maintenant que les conclusions d%une autre srie de r?,les issues de la ,o"h1sique nous "arviennent, les masses corres"ondantes ces conclusions sont les suivantes 3 "our 5a+ 0!/ et "our Mau ou .trole 0!2! *onner le rsultat normalis de la nouvelle a,r,ation avec le rsultat de la "remi?re question! Hnter"rter le rsultat obtenu! 5 0!/ 0!11)9 0!11)9 5 0!0/ 5 0!029 M ou . 0!2 M 0!19 . 0!19 . 0!02 M ou . 0!0K 0!/ M 0!11)9 . 0!11)9 5 ou . 0!0/ 0!029

M 0!/R9 . 0!/R9 5 ou . 0!1 0!19

0a facteur de normalisation Q ' 1 < (1-c) ' 1 < (1-(0!11)9B!11)9)) ' 1!)I avec c est le coefficient de conflit! *%oJ le rsultat de l%a,r,ation normalis est 3 m(E) ' 1!)I & (0!19B0!11)9) ' 1!)I & 0!)K)9 ' 0 33% m(#) ' 1!)I & (0!19B0!11)9B0!02) ' 1!)I & 0!/0)9 ' 0 3%
9<9

:* ) ; :horie de l%vidence et thorie des "ossibilits

m($) ' 1!)I & (0!0/B0!029) ' 1!)I & 0!0R9 ' 0 0%! m($ ou #) ' 1!)I & 0!0/ ' 0 03% m(E ou #) ' 1!)I & 0!0K ' 0 0!! m( ) ' 1!)I & 0!029 ' 0 0"&

/! *duire le #eu de cro1ance corres"ondant! 'el(E) ' 0 33% 'el(#) ' 0 3% 'el($) ' 0 0%! 'el($ ou #) ' m(5 ou .) B m(5) B F(.) ' 0!0/IB0!0IRB0!/I ' 0 "2( 'el(E ou #) ' m(M ou .) B m(M) B F(.) ' 0!0RRB0!//IB0!/I ' 0 &0( 'el( ) ' 1

2! Aalculer la "lausibilit de 5a+ et la "lausibilit de .trole! #l($) ' 1 ; -el(5) ' 1 ; -el(M ou .) ' 1;0!L0K ' 0 1%4 #l(#) ' 1 ; -el(.) ' 1 ; (-el(M) B -el(5)) ' 1;(0!//IB0!0IR) ' 0 "(4

Exercice " 3
7n staff de mdecins se runit "our dia,nostiquer la maladie d%un "atient dans l%univers de discours S ' 4d1, d), d/, h6, 0 ' [0,1 ! 7n "remier mdecin e&"rime son avis sous forme de distribution de "ossibilit 1 dfinit comme suit 3 1(d1) ' 0!9 1(d)) ' 1 1(d/) ' 0!R 1(h) ' 0 1. *onner les distributions de "ossibilits (), /, 2) "our les cas suivants 3 7n deu&i?me mdecin est sTr que le "atient est en bonne sant! )(d1)'0 )(d))'0 )(d/)'0 )(h)'1 7n troisi?me mdecin est totalement i,norant! /(d1)'1 /(d))'1 /(d/)'1 /(h)'1 7n quatri?me mdecin est inca"able d%affirmer e&actement que la maladie est d1 ou d) ou d/! 2(d1)'1 2(d))'1 2(d/)'1 2(h)'0

2. *onner une distribution de "ossibilits (9) "lus s"cifique que la distribution de "ossibilits 1! 9(d1)'0!) 9(d))'1 9(d/)'0!2 9(h)'0

#. Aalculer la "ossibilit (A) sachant que A dsi,ne l%vnement U0e "atient souffre de d1 ou d/V! *duire la mesure de ncessit corres"ondante! (A) ' ma& 41(d1), 1(d/)6 ' ma&40!9,0!R6 ' 0!R ) (A) ' minWA (1 - (W)) ' min 4(1-1(d))), (1-1(h)6 ' min4(1-1),(1-0)6 ' 0!

:* ) ; :horie de l%vidence et thorie des "ossibilits

K<K

Exercice ( 3
Mtablir un raisonnement "ossibiliste au "arado&e des trois "risonniers de l%e&ercice 2 du :* D1 (A""roche "robabiliste)!

$'anal%se lo&ique suivante est mene dans le cadre de la t'orie des Possi(ilits : elle est tr)s similaire lanal%se mene dans le cadre pro(a(iliste, mais ne dcompte pas le nom(re de cas "avora(les sur le nom(re de cas possi(les. *vant de conna+tre la rponse du Garde, il % a # possi(ilits :

qui constituent les trois '%pot')ses d'tat possi(les mutuellement e,clusives. On a donc :

et

-ne "ois connue la rponse du Garde, il ne reste que 2 possi(ilits :

d'o.

/ans attri(uer de mesure de vraisem(lance ou de c'ance, l'anal%se lo&ique permet de constater que l'in"ormation o(tenue de la part du Garde n'est pas sans consquences sur l'imprcision totale puisqu'elle permet de la rduire partiellement. 0emarque : Cette analyse permet dinterprter positivement la rponse apporte par le prisonnier qui est sensiblement la mme : avant de connatre lannonce du Garde, les chances de A dtre condamn taient gales celles de ses codtenus, et elles le restent apr!s son annonce, sau" que le nombre des codtenus condamnables a diminu#

:* ) ; :horie de l%vidence et thorie des "ossibilits

R<R