Calculer une probabilité conditionnelle P(A|B)

Probabilité conditionnelle et théorème de Bayes

La probabilité conditionnelle P(A|B) représente la probabilité qu'un événement A se réalise, sachant qu'un événement B s'est déjà produit. Elle se calcule avec la formule : P(A|B) = P(A ∩ B) / P(B), à condition que P(B) > 0.

Le théorème de Bayes permet d'inverser le conditionnement : P(A|B) = P(B|A) × P(A) / P(B). C'est un outil fondamental en statistiques, en intelligence artificielle (classifieurs bayésiens), en médecine (interprétation de tests diagnostiques) et en sciences expérimentales.

Exemple concret : un test médical détecte une maladie avec 95 % de sensibilité (P(test+|malade) = 0,95). La maladie touche 1 % de la population (P(malade) = 0,01). Le test a un taux de faux positifs de 5 % (P(test+|sain) = 0,05). Quelle est la probabilité d'être vraiment malade si le test est positif ? Avec Bayes : P(malade|test+) = 0,95 × 0,01 / (0,95 × 0,01 + 0,05 × 0,99) ≈ 16 %. Surprenant, mais logique : la maladie est rare.

Questions fréquentes

Quand utiliser le théorème de Bayes ?

Utilisez Bayes quand vous connaissez P(B|A) mais que vous cherchez P(A|B). C'est typique en médecine (on connaît la sensibilité du test, on veut la probabilité d'être malade), en filtrage de spam (on connaît la fréquence de certains mots dans les spams, on veut la probabilité qu'un e-mail soit un spam) ou en enquête (on a des indices et on cherche la probabilité de chaque hypothèse).

Que signifie P(A ∩ B) ?

P(A ∩ B) est la probabilité que A et B se produisent en même temps. Elle se calcule par : P(A ∩ B) = P(A) × P(B|A). Si A et B sont indépendants, alors P(A ∩ B) = P(A) × P(B).

Les probabilités doivent-elles être entre 0 et 1 ?

Oui. Une probabilité est toujours comprise entre 0 (impossible) et 1 (certain). 0,5 correspond à 50 % de chances. Si vous préférez raisonner en pourcentages, divisez par 100 avant d'utiliser les formules.