Académique Documents
Professionnel Documents
Culture Documents
François KOHLER
Faculté de Médecine de Nancy
Probabilités
Expérience aléatoire,
événement aléatoire
• Une expérience est dite aléatoire (random
experiment-random trial) lorsqu'on ne peut pas en
prévoir exactement les résultats du fait que tous
les facteurs qui déterminent ce résultat ne sont
pas maîtrisés ou contrôlés.
• Un événement aléatoire est un événement qui
peut ou ne pas se réaliser au cours d'une
expérience aléatoire.
• Exemple : expérience aléatoire "traverser la route"
- événement aléatoire "se faire écraser".
Définition classique
• Si m résultats peuvent se produire avec des
chances égales et si k résultats correspondent
à la réalisation de l'événement, la probabilité
de l'événement est le rapport k/m : nombre
de cas favorables sur nombre de cas possibles.
• Par exemple, dans un jeu de 52 cartes, on a 13 coeurs,
si toutes les cartes ont des chances égales d'être tirées,
la probabilité d'extraire un cœur est 13/52 = 0,25
Définition fréquentielle
• Si une expérience a été répétée un grand
nombre de fois dans des conditions
uniformes, on constate généralement que la
fréquence relative (% de réalisation) d'un
événement (fi) se stabilise.
• Ce phénomène est connu sous le nom de
régularité statistique.
• Ce nombre fixe est par définition la
probabilité mathématique de l'événement
considéré.
Définition fréquentielle
• La probabilité ainsi définie est une forme
idéalisée de la fréquence relative.
• Une estimation pragmatique de la probabilité
d’un événement est fournie par la fréquence
relative, la précision de cette estimation peut être
fournie par son intervalle de confiance pour un
risque donné.
• Dans de nombreux cas, la probabilité peut être
modélisée par une loi.
Expérience, événement,
propositions, logique…
• Evénement : toute proposition logique
associée aux résultats de l’expérience.
• Représentation ensembliste :
– Diagramme de Venn
1 1 1 1 0 0 0 0 0 0
1 0 1 0 0 1 0 1 0 1
0 1 1 0 1 0 0 1 0 1
0 0 0 0 1 1 1 1 1 1
Rappel de logique
A et B A ou B
A B
Non(A) Non(B)
Non(A et B) Non(A ou B)
Rappels de logique
• Théorèmes de De Morgan
– Non(A et B) = Non(A) ou Non(B)
– Non(A ou B) = Non(A) et Non(B)
• La plupart des problèmes de probabilités n’ont
comme difficulté que l’interprétation logique
de l’énoncé.
Axiomes élémentaires
• 0 < P(A) < 1 : Une probabilité est toujours comprise entre 0 et 1.
• P(A) = 1 : L’événement est toujours réalisé.
• P(A) = 0 : L’événement est impossible.
• Si 2 événements sont exclusifs :
– P(A ou B) = P(A + B) = P(A U B) = P(A) + P(B)
• Exemple : Probabilité d'extraire un cœur ou un carreau = P(Cœur ou Carreau) =
0,25 + 0,25 = 0,5.
– Généralisation P(A+B+C) = P(A)+P(B)+P(C).
– Si 2 événements sont mutuellement exclusifs (mort-vivant) et
constituent l’ensemble des possibles :
• on a P(A)+P(B) = 1 => P(A) = 1-P(B).
– La probabilité de survie à un moment donné est égale à 1 moins la probabilité de
décéder à ce moment.
Evénements non exclusifs
• Les événements peuvent se produire simultanément. Exemples :
« avoir un infarctus du myocarde », « être diabétique ».
• P(A ou B) = P(B ou A)
= P(A) + P(B) - P(A et B)
• Ceci se déduit des relations :
– P(A ou B) = P(A sans B) + P(B sans A) + P(A et B)
– P(A sans B) = P(A) - P(A et B)
– P(B sans A) = P(B) - P(A et B)
• En conclusion :
– P(A ou B) < P(A) + P(B)
– P(A ou B ou C) = P(A) + P(B) + P(C) - P(A et B) - P(B et C) - P(A et C) +
P(A et B et C)
Probabilités conditionnelles
et indépendance
• En médecine, l’utilisation des probabilités
conditionnelles est fréquente et apparaît naturelle.
– On dira que « un individu a 5 fois plus de chances de
développer une maladie coronarienne s’il fume un
paquet de tabac par jour que si il ne fume pas »…
• La connaissance n’est pas figée : avant la
réalisation d’un test, la probabilité d’une maladie
est p. Que devient-elle si on sait que le test est
positif ?
Probabilité conditionnelle
• Soit deux événements non exclusifs A et B :
– On regarde la probabilité que l’un se réalise alors
que l’autre est déjà réalisé.
• On note P(A/B) la probabilité de A si B est
réalisé, l’inversement du conditionnement
P(B/A) est la probabilité de B si A est réalisé.
• Quelle est la probabilité d’avoir une douleur de la fosse
illiaque droite alors que l’on a une appendicite ?
• Quelle est la probabilité d’avoir une appendicite alors
que j’observe une douleur dans la fosse iliaque droite ?
Probabilité conditionnelle
• Eléments de base :
P( A B)
P( A / B)
P( B)
P( A B) P( B A) P( A / B) * P( B) P( B / A) * P( A)
• Indépendance :
– Deux événements sont indépendants si la réalisation
de l’un n’influence pas la réalisation de l’autre.
• Exemple : Pluie, rouler avec des pneus lisses : a priori
indépendant; pluie, avoir un accident a priori non
indépendant.
Indépendance
• P(A/B) = P(AB)/P(B) = P(A)
=> P(AB) = P(A)*P(B)
complémentaires. Exposés
Non exposés
A
C
B
D
E+=A+B
E-=C+D
(1 prévalence) * ( spécificit é )
VPN
(1 prévalence) * ( spécificit é ) ( prévalence) * (1 sensibilté )
VPP et VPN
en fonction de la prévalence
• Pour une sensibilité et
1,00
0,90
– Une augmentation de la
0,70
0,60
0,20
prévalence entraîne une 0,10
Prévalence = 10%
L = 12
Dépistage,
Confirmation diagnostique
• Dépistage : Maladie + Maladie - Total
– S’adresse à des sujets ne se plaignant de
rien à priori sains. Test + A (VP) B (FP) T+=A+B=VP+FP
– Prendre un test à sensibilité élevée (peu de
FN, VPN très grande) . Test - C (FN) D (VN) T-=C+D=FN+VN
– Éventuellement suivi d’un test de M+ = A+C = M-
confirmation. Total VP+FN =B+D=FP+VN N=A+B+C+D
– Ne pas oublier les autres éléments :
• Acceptabilité, Risque, Coût
• Confirmation d’une maladie suspectée :
– Prendre un test avec une spécificité élevée
(peu de FP, VPP très grande) d’autant plus
que le coût du faux positif est élevé.
Valeurs diagnostiques d’un test
• Si un test a une spécificité élevée, un résultat positif
confirme l’hypothèse diagnostic.
• Si un test a une sensibilité élevée, un résultat négatif
élimine le diagnostic .
(Règles de Sacket)
• Gain diagnostic positif :
– C’est la différence entre la probabilité pré-test (prévalence)
de la maladie et la probabilité post-test (valeur prédictive
positive).
– Gain positif = VPP – prévalence.
Et si le test consiste à comparer une
valeur quantitative à une limite ?
• Si le résultat du test biologique ou du signe
clinique est une variable quantitative (glycémie -
diabète; tension artérielle systolique -
hypertension ...), la sensibilité et la spécificité
vont dépendre du seuil que l'on choisit pour dire
que le test est positif ou négatif.
• Pour chaque valeur de la limite, on aura une
valeur de la sensibilité et une valeur de la
spécificité.
• Ceci conduit à la courbe de ROC.
Spécificité et sensibilité en
fonction de la limite
Ici si l’on déplace la limite
vers la droite, la
spécificité va augmenter
et le sensibilité va
diminuer (diabète et
glycémie par exemple).