Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Comment appliquer le théorème de Bayes dans R



Le théorème de Bayes énonce ce qui suit pour deux événements A et B :

P(UNE|B) = P(UNE)*P(B|UNE) / P(B)

où:

  • P(A|B) : La probabilité que l’événement A, étant donné que l’événement B, se soit produit.
  • P(B|A) : La probabilité que l’événement B, étant donné que l’événement A s’est produit, s’est produit.
  • P(A) : La probabilité de l’événement A.
  • P(B) : La probabilité de l’événement B.

Par exemple, supposons que la probabilité que le temps soit nuageux est de 40 %. Supposons également que la probabilité de pluie un jour donné soit de 20 % et que la probabilité de nuages un jour de pluie soit de 85 %.

S’il fait nuageux dehors un jour donné, quelle est la probabilité qu’il pleuve ce jour-là ?

Solution :

  • P(nuageux) = 0,40
  • P(pluie) = 0,20
  • P(nuageux | pluie) = 0,85

Ainsi, on peut calculer :

  • P(pluie | nuageux) = P(pluie) * P(nuageux | pluie) / P(nuageux)
  • P(pluie | nuageux) = 0,20 * 0,85 / 0,40
  • P(pluie | nuageux) = 0,425

S’il fait nuageux dehors un jour donné, la probabilité qu’il pleuve ce jour-là est de 42,5 % .

Nous pouvons créer la fonction simple suivante pour appliquer le théorème de Bayes dans R :

bayesTheorem <- function(pA, pB, pBA) {
  pAB <- pA * pBA / pB
  return(pAB)
}

L’exemple suivant montre comment utiliser cette fonction dans la pratique.

Exemple : Théorème de Bayes dans R

Supposons que nous connaissions les probabilités suivantes :

  • P(pluie) = 0,20
  • P(nuageux) = 0,40
  • P(nuageux | pluie) = 0,85

Pour calculer P(pluie | nuageux), on peut utiliser la syntaxe suivante :

#define function for Bayes' Theorem
bayesTheorem <- function(pA, pB, pBA) {
  pAB <- pA * pBA / pB
  return(pAB)
}

#define probabilities
pRain <- 0.2
pCloudy <- 0.4
pCloudyRain <- .85

#use function to calculate conditional probability
bayesTheorem(pRain, pCloudy, pCloudyRain)

[1] 0.425

Cela nous indique que s’il fait nuageux dehors un jour donné, la probabilité qu’il pleuve ce jour-là est de 0,425 ou 42,5 % .

Cela correspond à la valeur que nous avons calculée manuellement plus tôt.

Ressources additionnelles

Les didacticiels suivants expliquent comment calculer d’autres probabilités dans R :

Comment calculer la probabilité conditionnelle dans R
Comment calculer la moyenne conditionnelle dans R

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *