QCM : Inférence bayésienne et tests — 13 questions

Questions et réponses du QCM

1. Si P(A)=0,4P(A)=0,4 et P(A∩B)=0,12P(A\cap B)=0,12, quelle est la valeur de la probabilité conditionnelle de BB sachant AA ?

3,333,33
0,480,48
0,280,28
0,30,3

$$0,3$$

Explication

La probabilité conditionnelle se calcule en divisant P(A∩B)P(A\cap B) par P(A)P(A), soit 0,12/0,4=0,30,12/0,4=0,3. Il ne faut pas multiplier les deux probabilités ni inverser les événements conditionnés.

2. Sachant que PA(B)=0,25P_A(B)=0,25 et P(A)=0,6P(A)=0,6, comment calcule-t-on P(A∩B)P(A\cap B) ?

0,150,15
0,350,35
0,850,85
0,41670,4167

$$0,15$$

Explication

L’intersection vaut le produit de la probabilité conditionnelle par la probabilité de l’événement conditionnant : P(A∩B)=0,25×0,6=0,15P(A\cap B)=0,25\times0,6=0,15. Une probabilité conditionnelle seule ne représente pas l’intersection.

3. Si P(A)=0,2P(A)=0,2, P(B)=0,5P(B)=0,5 et PB(A)=0,1P_B(A)=0,1, quelle est la valeur de PA(B)P_A(B) ?

0,040,04
0,10,1
0,50,5
0,250,25

$$0,25$$

Explication

La formule de Bayes donne PA(B)=PB(A)×P(B)P(A)=0,1×0,50,2=0,25P_A(B)=\frac{P_B(A)\times P(B)}{P(A)}=\frac{0,1\times0,5}{0,2}=0,25. La valeur 0,10,1 correspond à PB(A)P_B(A) et non à la probabilité recherchée.

4. Quelle propriété caractérise une partition de l’univers Ω\Omega ?

Des événements non vides ayant tous la même probabilité dans Ω\Omega
Des événements incompatibles deux à deux, non vides, dont la réunion est Ω\Omega
Des événements quelconques dont l’intersection commune est Ω\Omega
Des événements compatibles deux à deux dont la réunion est un sous-ensemble de Ω\Omega

Des événements incompatibles deux à deux, non vides, dont la réunion est $$\Omega$$

Explication

Une partition est constituée d’événements deux à deux incompatibles et non vides qui couvrent tout l’univers. L’égalité des probabilités ou la compatibilité entre événements n’est pas requise.

5. Lorsque B1,B2,…,BnB_1,B_2,\ldots,B_n forment une partition de Ω\Omega, quelle expression donne P(A)P(A) ?

P(A)×(P(B1)+P(B2)+⋯+P(Bn))P(A)\times\bigl(P(B_1)+P(B_2)+\cdots+P(B_n)\bigr)
PB1(A)+PB2(A)+⋯+PBn(A)P_{B_1}(A)+P_{B_2}(A)+\cdots+P_{B_n}(A)
P(B1∩B2∩⋯∩Bn)P(B_1\cap B_2\cap\cdots\cap B_n)
P(A∩B1)+P(A∩B2)+⋯+P(A∩Bn)P(A\cap B_1)+P(A\cap B_2)+\cdots+P(A\cap B_n)

$$P(A\cap B_1)+P(A\cap B_2)+\cdots+P(A\cap B_n)$$

Explication

La formule des probabilités totales additionne les probabilités des intersections de AA avec chaque élément de la partition. Additionner les probabilités conditionnelles seules ne tient pas compte des probabilités des éléments de la partition.

6. Une partition est formée de EE et de son complément, avec P(E)=0,7P(E)=0,7, PE(T)=0,99P_E(T)=0,99 et PE‾(T)=0,04P_{\overline E}(T)=0,04. Quelle expression permet de calculer P(T)P(T) ?

0,7×0,99+0,3×0,040,7\times0,99+0,3\times0,04
0,7×0,04+0,3×0,990,7\times0,04+0,3\times0,99
0,7+0,99+0,3+0,040,7+0,99+0,3+0,04
0,99+0,040,99+0,04

$$0,7\times0,99+0,3\times0,04$$

Explication

La probabilité totale additionne les contributions des deux cas : P(T)=P(E)PE(T)+P(E‾)PE‾(T)P(T)=P(E)P_E(T)+P(\overline E)P_{\overline E}(T), avec P(E‾)=0,3P(\overline E)=0,3. Les probabilités conditionnelles doivent donc être pondérées par les probabilités des cas correspondants.

7. Deux événements AA et BB ont des probabilités P(A)=0,4P(A)=0,4, P(B)=0,5P(B)=0,5 et P(A∩B)=0,2P(A\cap B)=0,2. Que peut-on conclure ?

AA et BB sont incompatibles
AA et BB sont nécessairement équiprobables
AA et BB sont indépendants
AA entraîne BB

$$A$$ et $$B$$ sont indépendants

Explication

L’indépendance est vérifiée car P(A∩B)=0,2=0,4×0,5=P(A)P(B)P(A\cap B)=0,2=0,4\times0,5=P(A)P(B). Des événements incompatibles auraient une intersection de probabilité nulle, ce qui n’est pas le cas ici.

8. Si P(A)≠0P(A)\neq0, quelle condition équivalente à l’indépendance de AA et BB peut-on utiliser ?

PA(B)=P(A)P_A(B)=P(A)
PA(B)=P(B)P_A(B)=P(B)
P(A∩B)=P(A)+P(B)P(A\cap B)=P(A)+P(B)
PA(B)=P(A∩B)P_A(B)=P(A\cap B)

$$P_A(B)=P(B)$$

Explication

Lorsque P(A)≠0P(A)\neq0, l’indépendance équivaut à l’absence de modification de la probabilité de BB lorsqu’on sait que AA est réalisé : PA(B)=P(B)P_A(B)=P(B). L’égalité avec P(A)P(A) ne caractérise pas l’indépendance.

9. Que mesure la sensibilité d’un test diagnostique ?

La probabilité d’obtenir un résultat négatif chez une personne non malade
La probabilité d’obtenir un résultat positif chez une personne malade
La proportion de résultats positifs dans l’ensemble de la population
La probabilité d’être malade après un résultat positif

La probabilité d’obtenir un résultat positif chez une personne malade

Explication

La sensibilité correspond à la probabilité qu’une personne malade obtienne un test positif, soit Se=PH(T+)Se=P_H(T^+). La probabilité d’obtenir un résultat négatif chez une personne non malade relève de la spécificité.

10. Quelle expression définit la spécificité d’un test diagnostique ?

La probabilité d’obtenir un résultat négatif chez une personne non malade
La probabilité d’être malade après un résultat positif
La probabilité d’obtenir un résultat positif chez une personne malade
La proportion de personnes malades détectées par le test

La probabilité d’obtenir un résultat négatif chez une personne non malade

Explication

La spécificité mesure la probabilité d’un résultat négatif chez une personne non malade, soit Sp=PH‾(T−)Sp=P_{\overline H}(T^-). La proportion de personnes malades ayant un résultat positif décrit plutôt la sensibilité.

11. Que représente la valeur prédictive positive d’un test ?

La probabilité que le test soit négatif sachant que la personne est non malade
La probabilité d’être malade sachant que le test est positif
La probabilité d’être non malade sachant que le test est négatif
La probabilité que le test soit positif sachant que la personne est malade

La probabilité d’être malade sachant que le test est positif

Explication

La valeur prédictive positive est la probabilité d’être malade après l’obtention d’un résultat positif, soit VPP=PT+(H)VPP=P_{T^+}(H). La probabilité d’un test positif chez une personne malade correspond à la sensibilité, et non à la VPP.

12. Avec une fréquence de maladie ff, une sensibilité de 0,99 et un taux de faux positifs de 0,01, quelle formule donne la VPP ?

0,01f0,98f+0,99\frac{0,01f}{0,98f+0,99}
0,99f0,99f+0,01\frac{0,99f}{0,99f+0,01}
0,99f0,98f+0,01\frac{0,99f}{0,98f+0,01}
0,98f+0,010,99f\frac{0,98f+0,01}{0,99f}

$$\frac{0,99f}{0,98f+0,01}$$

Explication

La VPP s’écrit 0,99f0,98f+0,01\frac{0,99f}{0,98f+0,01} dans ces conditions, car elle dépend de la fréquence de la maladie et des performances du test. La sensibilité ne varie pas avec la fréquence de la maladie, tandis que la VPP, elle, peut changer lorsque ff change.

13. Quelle VPP correspond à une fréquence de maladie f=0,01f=0,01 dans la série considérée ?

0,09
0,98
0,50
0,92

0,50

Explication

Pour f=0,01f=0,01, la VPP correspondante est 0,5, c’est-à-dire 50 %. La valeur 0,09 est associée à f=0,001f=0,001, tandis que 0,92 correspond à f=0,1f=0,1.

Révisez avec les flashcards

Mémorisez les réponses avec 24 flashcards sur Inférence bayésienne et tests.

Comment se définit la probabilité conditionnelle de B sachant A ?

Par PA(B)=P(A∩B)P(A)P_A(B)=\frac{P(A\cap B)}{P(A)} quand P(A)≠0P(A)\neq 0.

Quelle relation lie l'intersection et la probabilité conditionnelle ?

P(A∩B)=PA(B)×P(A)P(A\cap B)=P_A(B)\times P(A).

Quelle est la formule de Bayes pour PA(B)P_A(B) ?

PA(B)=PB(A)×P(B)P(A)P_A(B)=\frac{P_B(A)\times P(B)}{P(A)} quand P(A)≠0P(A)\neq 0 et P(B)≠0P(B)\neq 0.

Voir les flashcards →

Approfondir avec la fiche

Consultez la fiche de révision complète sur Inférence bayésienne et tests.

Voir la fiche →

Cours similaires

Crée tes propres QCM

Importe ton cours et l'IA génère des QCM avec corrections en 30 secondes.

Générateur de QCM