Medecine Cours Math

UE 4 :
valuation des mthodes danalyses

appliques aux sciences de la vie et
de la sant de la sant
PAES
Responsable Pr Burgun
Enseignant : E. Hitti
Le programme
Rappels (M Hitti) 3 CM
Probabilits (M Hitti) 3 CM + 1EDg
Statistiques descriptives (M Cugia) 2CM + 1EDa
Variables alatoires (Mme Bernard) 2CM + 1EDa Variables alatoires (Mme Bernard) 2CM + 1EDa
Lois (Mme Burgun) : 3CM + 1EDg
Estimations (Mme Burgun) : 1CM + 1EDa
pidmiologie (M Cugia) : 2CM
Les tests (Mme Bernard) : 7CM + 2EDg
La corrlation (Mme Le Floch) : 3CM + 1EDg
EDg : Etudes Dirigs en petit groupes EDa : Etudes Dirigs en amphi
Le plan
Rappels
1. Analyse Combinatoire
a. Arrangements
b. Permutations
c. Combinaisons
2. Probabilits 2. Probabilits
a. Notion dvnements
b. Proprits des vnements
c. Calcul des probabilits
d. Proprits des probabilits
e. Probabilit conditionnelle
f. Probabilits composes
g. Bayes
Rappels
a. Drives
b. Drives partielles : calcul derreur
c. Intgrales
Rappels
1
1 2
1 2
cm.s 4 , 2 cm/s 4 , 2
s 10
cm 24

= = =
=
t
h
t t
h h
v
a Drives : exemple
h
h
2
X
h
t
h = a.t + b
a
t
h
=
t
1
t
2
h
1
Rappels
t
h
t t
h h
v
t t
h h
v
= >
=
1 2
1 2
2
0 1
0 1
1
a -Drives
h
X
t
t
1 t
2
t
0
h
0
h
1
h
2
t
h
d
d
t
3
Rappels
Une fonction f est dite drivable en un point x
0
si
existe
cette limite sappelle drive de f en x
0
et est note
a Drives : dfinition
d
x f d x f
d
) ( ) (
lim
0 0
0
+
cette limite sappelle drive de f en x

0
et est note
f (x
0
)
Si f est un fonction de u qui est elle-mme un
fonction de x , f ( u(x) ) alors :
x
u
u
f
u f f
x
f
x u x
d
d
d
d
' ' '
d
d
= = =
Rappels
Bientt les radars tronons calculeront la vitesse moyenne
dx
df
x f f = = ) ( ' '
a Drives : notation
Vitesse moyenne (radars tronons) et vitesse instantane (radars classiques)
Rappels
C= 0 avec C une constante
(Cf ) = Cf
(f + g) = f + g
a Drives : Proprits
(f .g) = f .g + f .g
(f
m
) = m.f . f
m1
Rappels
a Drives : Proprits
0 si
. .
|
|
\
|
g
g
g f g f
g
f
(f g)(x) = g(x) f (g(x))
(sin(f(x))) = f (x) cos(f(x));
(cos(f(x))) = f (x) sin(f(x));
Rappels
(ln(f(x)))) = f (x)/f (x);
(exp(f(x))) = f (x) exp(f (x));
a Drives usuelles
)) ( ( cos
) ( '
))) ( ( tan 1 )( ( ' )))' ( (tan(
x f
x f
x f x f x f = + =
) ( 1
) ( '
)))' ( (arctan(
) ( 1
) ( '
)))' ( (arcsin(
) ( 1
) ( '
)))' ( (arccos(
)) ( ( cos
x f
x f
x f
x f
x f
x f
x f
x f
x f
x f
+
=
=
Rappels
Calcul de f
f >0 f et si f <0 f
f = 0 et change de signe alors extremum
a Drives : tudes de fonction
f >0
f <0
f <0
f = 0
f = 0
Rappels
Calcul de f la drive seconde :
f <0 concavit vers le bas
f >0 concavit vers le haut
a Drives : tudes de fonction
2
2
) ( ' ' ' '
dx
f d
dx
dx
df
d
x f f =
|
\
|
= =
f >0 concavit vers le haut
f = 0 et change de signe alors point inflexion
f >0
f <0
f = 0
Rappels
Une application, dfinie sur un sous-ensemble
n
et prenant des valeurs dans , est appele
fonction a n variables
f :
n

a Drives : fonction de n variables
f :
f (x
1
,x
2
,x
n
) x = (x
1
,x
2
,x
n
)
Exemple :
V
T N
T V N P
R
) , , ( =
avec R constante et non variable
Rappels
La drive partielle au point (x
1
,x
2
,x
n
) est
obtenu en fixant toute les variables sauf x
k
des constantes (x
1
,x
2
,x
n
), note :
b Drives partielles
f
Exemple :
) ,..., , (
2 1 n
k
x x x
x
f
NR
) , , (
R
) , , (
V
T
T V N
V
f
V
T
T V N
N
f
=
Rappels
X la valeur mesure et x la valeur relle
Erreur absolue : X
Erreur relative : X / X
Calcul derreur :
b Calcul derreur
Calcul derreur :
soit X=f(A,B,C,)
et A, B, C, les erreurs directes
... +
= C
C
f
B
B
f
A
A
f
X
X1 = 4 cm
X2 = 3 cm
bCalcul derreur : exemple 1
Rappels
4 5 3 2 1
X2 = 3 cm
X3 = 5 cm
X1 = X2 = X3 = 1 mm
V=X1.X2.X3 = 60 cm
3
V = X2.X3.X1+X1.X3.X2+X1.X2.X3
= 3.5.10
-1
+ 4.5.10
-1
+ 4.3.10
-1
= 4,7 cm
3
Rappels
Lerreur est exprime avec 1 ou 2 chiffres
significatifs (c.s.).
Le dernier chiffre exprim est celui sur lequel
se porte lerreur
a Calcul derreur : chiffre significatif
se porte lerreur
L = 1,35m et L = 0.05m => L=(135 5) cm
Rappels
c Intgrales : principe
Laire est une valeur algbrique qui peut
tre positive ou ngative
f
+
-
+
x
a b
Rappels
c Intgrales : mthodes des rectangles
f
) )( (
1 2 1
a a a f
Erreur destimation
x
a=a
0 b=a
n
a
1
a
2
=

=
n
i
i
b
a
n
i
h
i i i
a f h a a a f dx x f
1
1
1
1 1
) ( ) ( ) ( ) (
43 42 1
Rappels
c Intgrales : mthodes des trapzes
f
) (
2
) ( ) (
1 2
2 1
a a
a f a f
+
x
a=a
0 b=a
n
a
1
a
2
+ =
+
n
i
i i
b
a
n
i
i i
i i
a f a f
h
a a
a f a f
dx x f
1
1
1
1
1
) ( ) (
2
) (
2
) ( ) (
) (
Rappels
Primitive : soit f une fonction dfinie sur un
intervalle I, on appelle primitive de f toute
fonction F drivable sur I telle que
) (
) (
) ( ' x f
x dF
x F = =
c -Intgrales
Il existe donc un ensemble infini de primitive de f
une constante prs.
De plus :
( ) ) (
) (
) ( or
) ( ) ( '
x f
dx
x dF
cte x F
dx
d
x f
dx
x F
= = +
= =
[ ] ) ( ) ( ) ( d ) ( d ) ( a F b F x F x x F x x f
b
a
b
a
b
a
= =
=

Rappels
Soient a, b et c des rels, F et G les primitives de f et g
c Intgrales : proprits
[ ]

=
=
a
b
b
a
x F x x f
x x f x x f
) ( d ) (
d ) ( d ) (

[ ]
[ ]
[ ]

+ =
+ = +
b
a
b
a
b
a
c
b
b
a
c
a
x x g x x f b a x x g x f
x x f b a x x f
x x f x x f x x f
x G x F x x g x af
d ) ( d ) ( , ) ( ) (
0 d ) ( , 0 ) (
d ) ( d ) ( d ) (
) ( ) ( d ) ( ) (
Rappels
c Intgrales : proprits

+ =

a
a
a
a
x x f x x f x x f
0
0
d ) ( d ) ( d ) (
Si f fonction pair : f (x)=f (-x)
f(x)
a -a 0

=

a
a a
x x f
0
0
d ) ( 2
a
-a
0
+
-
0
d ) ( d ) ( d ) (
0
0
=
+ =

a
a
a
a
x x f x x f x x f
Si f fonction impaire : f (x) = -f (-x)
f(x)
x
x
Rappels
f F Intervalle
k k.x+c
x x/2+c
c Intgrales : primitives usuelles
x x/2+c
x
n
si n>0
]- ;0 [ou]0;+[ si n<0
]0;+[
]- ;0 [ou
]0;+[
x
1
c x + 2
1
x
c
x
+
1
c
n
x
n
+
+
+
1
1
Rappels
f F Intervalle
cos x sin x + c
sin x -cos x + c
c Intgrales : primitives usuelles
1+tan x=1/cosx tan x + c
cos (t +)
ln x + c ]0;+[
e
a.x
ax
e
a
1
( ) c t + +
sin
1
x
1
Rappels
c Intgrales : exemple
Rappels
[ ]

=
b
a
b
a
b
a
t t v t u t v t u t t v t u d ) ( ) ( ' ) ( ) ( d ) ( ' ) (
b Intgrales : intgration par parties
Exemple Exemple
cte
x
x
x
x x x
x
x x x
x
v x
dx
dv
v
x dx
du
u x u
x x x
+ = =
= = =
= = =
=

ln
2
d
2
1
ln
2
d ln
2
'
1
' ln
? d ln
Rappels
b Intgrales : par chgt de variable
Posons x = (u) alors dx = (u) du
Ou g(u)du est plus facile calculer
( ) ( ) ( ) ( ) ( ) u u g x u u f x x f
g(u)
d d ' d

= =
4 43 4 42 1

Ou g(u)du est plus facile calculer
Ne pas oublier les bornes de lintgrale :
avec a = () et b = ()

=

u u g x x f
b
a
d ) ( d ) (
1-Analyse combinatoire
a. Arrangements
b. Permutations
c. Combinaisons
ou comment compter les objets ?
Lanalyse combinatoire est une branche des
mathmatiques qui tudie comment compter les objets.
Elle fournit des mthodes de dnombrements
particulirement utiles en thorie des probabilits.
Les probabilits dites combinatoires utilisent constamment
les formules de lanalyse combinatoire dveloppes dans ce
chapitre.
1. Une squence dADN est constitue dun enchanement de 4
nuclotides [A (Adnine), C (Cytosine), G (Guanine) et T
(Thymine)].
Il existe diffrents arrangements possibles de deux nuclotides ou
dinuclotides avec p=2 et n=4.
a -Arrangements : Exemple
2. Le nombre de mots de 5 lettres (avec ou sans signification) forms
avec les 26 lettres de lalphabet correspond au nombre
darrangements possibles avec p=5 et n=26.
3. Le tierc dans lordre lors dune course de 20 chevaux constitue un
des arrangements possibles avec p=3 et n=20.
4. Un sac contient 4 boules numrots de 1 4, on tire 1 premire
fois, puis on remet la boule puis on retire une 2
me
fois.
a -Arrangements : dfinition
Etant donn un ensemble E de n objets, on appelle
arrangements de p objets toutes suites ordonnes de p
objets pris parmi les n objets.
Le nombre darrangements de p objets pris parmi n est
not :
p
A not :
p
n
A
Deux arrangements de p objets sont donc distincts sils
diffrent par la nature des objets qui les composent ou par
leur ordre dans la suite.
Remarque : On a ncessairement 1 p n
Lorsquun objet peut tre observ plusieurs fois
dans un arrangement, on parle galement de
tirage avec remise :
a -Arrangements : avec rptitions
p p
n A =
p p
n
n A =
p p
n
n n n n n A = = ...
En effet
n possibilits
au 1
er
tirage
n possibilits
au 2
me
tirage
n possibilits
au p
me
tirage
Exemple : Une squence dADN est constitue
dun enchanement de 4 nuclotides
AA AC AG AT
CA CC CG CT
a -Arrangements : avec rptitions
CA CC CG CT
GA GC GG GT
TA TC TG TT
Il y a 4 possibilits pour le 1
er
nuclotide et
nouveau 4 possibilits pour le 2
me
=> 4*4 = 4 = 16
ou sans remise :
a -Arrangements : sans rptitions
1 si ) 1 )...( 1 ( n p p n n n A
p
n
+ =
n possibilits
1 2 3 )... 1 )( )( 1 )...( 1 ( ! + = p n p n p n n n n
Or
)! ( p n
p
n
A
( )!
!
p n
n
A
p
n
=
do
n possibilits
au 1
er
tirage
n -1 possibilits
au 2
me
tirage
n p+1 possibilits
au p
me
tirage
Exemple : tirage sans remise de 2 boules dans un
sac de 4 boules numrotes de 1 4
1-1 1-2 1-3 1-4
2-1 2-2 2-3 2-4
2-1 2-2 2-3 2-4
3-1 3-2 3-3 3-4
4-1 4-2 4-3 4-4
Il y a 4 possibilits pour la 1
re
boule mais plus
que 3 possibilits pour la 2
me
=> 4*3 = n x (n-1) = 12
Exemple :
Concernant lexemple de la squence dADN, le nombre
de dinuclotides attendu dans une squence si lon fait
lhypothse quune base nest observe quune seule
fois est donc :
fois est donc :
( )
12 4.3
2.1
4.3.2.1

! 2 4
! 4
2
4
= = =
= A
AA AC AG AT CA CC CG CT
GA GC GG GT TA TC TG TT
Exemple 2 :
Dans le cas du nombre de tiercs dans lordre possible
avec 20 chevaux au dpart (sans ex-aequo):
! 20
( )
6840
! 3 20
! 20
18 . 19 . 20
3
20
=
= = A
Et le quint ?
Et dans le dsordre ?
b -Permutations : sans rptition
permutations de n objets distincts toutes suites
ordonnes de n objets ou tout arrangement n n de ces
objets.
Le nombre de permutations de n objets est not : Le nombre de permutations de n objets est not :
P
n
= n !
Exemple :
Le nombre de manires de placer 8 convives autour dune
table est :
P
8
= 8! = 40 320 possibilits
Dans le cas o il existerait plusieurs rptitions k dun
mme objet parmi les n objets, le nombre de
permutations possibles des n objets doit tre rapport
aux nombres de permutations des k objets identiques.
Le nombre de permutations de n objets est alors :
b -Permutations : avec rptition
! n
Le nombre de permutations de n objets est alors :
De mme si on a k
1
rptitions dun 1
er
objet, k
2
rptitions
dun 2
me
objet, , k
r
rptition du r
me
objet
!
!
k
n
P
n
=
! !... !
!
2 1 r
n
k k k
n
P =
Exemple 1 : nombre de permutations de : a a b
Exemple 2 : calculer le nombre de faon de ranger 5
tubes sur un portoir 5 places si on a 3 tubes avec des
b -Permutations : avec rptition
tubes sur un portoir 5 places si on a 3 tubes avec des
bouchons rouges et 2 avec des bouchons verts
Exemple 3 : Considrons le mot CELLULE . Quel est
le nombre de mots possibles (avec ou sans signification)
que lon peut crire en permutant ces 7 lettres
combinaisons de p objets tout ensemble de p objets
pris parmi les n objets sans remise.
Le nombre de combinaisons de p objets pris parmi n est
not :
c -Combinaisons : sans rptition
Reprenons lexemple du tierc
( )
|
|
\
|
= =
=
p
n
p
A
p n p
n
C
p
n
p
n
! ! !
!
Nombre de
permutations dun
arrangement donn
Exemple 1
Dans le cadre de lexemple de la squence dADN
c -Combinaisons : sans rptition
( )
6
! 2 ! 2 4 ! 2
! 4
2
4
2
4
= =
=
A
C
Exemple 2
Quel est le nombre attendu de mains au poker ?
Les 6 dinuclotides possibles sont :
AC AG AT CG CT GT
CA GA TA GC TC TG
( )
6
! 2 ! 2 4 ! 2
4
= =
= C
c -Combinaisons : avec rptition
( )
( )! 1 !
! 1
1
+
=
+
n p
p n
C
p
p n
Exemple :
Soit la constitution de mots de 3 lettres partir dun alphabet Soit la constitution de mots de 3 lettres partir dun alphabet
5 lettres avec remise, on distingue 3 cas possibles :
nombre de mots de 3 lettres diffrentes et sans ordre
nombre de mots de 2 lettres diffrentes et une lettre redondante
nombre de mots de 3 lettres identiques
Ou plus simplement :
10
3
5
= C
5
1
5
= C
20 2
2
5
= C
( )
( )
35
! 1 5 ! 3
! 1 3 5
3
1 3 5
=
+
=
+
C
Symtrie
c -Combinaisons : proprits
1
0
= =
n
n n
C C
n C C
n
= =
1 1
si n 1
n C C
n
n n
= =
1 1
( )
2
1
2 2

= =

n n
C C
n
n n
Il revient au mme de donner la combinaison des p objets
choisis ou bien celle des (n-p) qui ne le sont pas.
p n
n
p
n
C C

=
si n 1
si n 2
si 0 p n
c -Combinaisons : triangle de Pascal
Exemple :
Soit a b c d e, combien de combinaisons de 3 ?
a b c
a b d
6
! 4
2
= = C
a b e
a c d
a c e
a d e
b c d
b c e
b d e
c d e
( )
4
! 3 4 ! 3
! 4
3
4
=
= C
( )
6
! 2 4 ! 2
! 4
2
4
=
= C
10
2
4
3
4
3
5
= + = C C C
Parmi les n objets, on considre un objet en
particulier.
Si cet objet fait partie des p objets tirs, il y
a possibilits de choisir les p-1 autres
1
1
p
n
C
a possibilits de choisir les p-1 autres
objets parmi les n-1 objets restants.
Si en revanche, lobjet ne fait pas partie du
tirage, il y a possibilits de choisir les p
autres objets parmi les n-1 objets restants.
do la relation
p
n
p
n
p
n
C C C = +

1
1
1
si 0 p n -1
1 n
p
n
C
1
p
n
0 1 2 3 4 5 6 7
0 1
1 1 1
3
C
1 1 1
2 1 2 1
3 1 3 3 1
4 1 4 6 4 1
5 1 5 10 10 5 1
6 1 6 15 20 15 6 1
7 1 7 21 35 35 21 7 1
3
5
C
( )
( ) ( ) ( )
( )
( )
( )
p
n
p
n
n
p n p
n
p n p
n
C C
(

= +

1 1 ! 1
! 1 !
! 1
! 1 1 ! 1
! 1
1
1
1
Dmonstration
( )
( ) ( ) ( )
( )
( ) ( )
( )
( )
( )
p
n
C
p n p
n
p p n
p n p
p n p
n
p p n p n p
n
=
=
(
=
(
=
! !
!
! 1 ! 1
! 1
1 1
! 1 ! 1
! 1
c -Combinaisons : binme de Newton
( )
( )
( )
b ab b a a b a
b ab a b a
+ + + = +
+ + = +
4
3 2 2 3
3
2 2
2
3 3
2
Quel est le dveloppement de (a+b)
n
( )
( )
n n n n n
n
b ab b a b a a b a
b ab b a b a a b a
+ + + + + = +
+ + + + = +
1 2 2 1
4 3 2 2 3 4
4
? ... ? ?
...
4 6 4
( )

=
|
|
\
|
= = +
n
p
p p n
n
p
p p n p
n
n
b a
p
n
b a C b a
0 0
c -Combinaisons : binme de Newton
Remarque : si a = b = 1
( )

=
=
n
p
p
n
n
C
0
2
reprsente le nombre total de partitions possible partir des n lments reprsente le nombre total de partitions possible partir des n lments
nombre de partition avec 1 objet partir de n objets
nombre de partition avec 2 objets partir de n objets
nombre de partition avec 3 objets partir de n objets
nombre de partition avec n objets partir de n objets

1
n
C
2
n
C
3
n
C
n
n
C
rptition
Pour rsumer
! !... !
!
n
k k k
n
P =
! n
Permutations :
Sans Avec
Avec
ordre
Sans
ordre

p
n
A

p
n
C
1
p
p n
C
+

p
n
! !... !
2 1 r
n
k k k
Quelques remarques
Les permutations circulaires :
( )! 1
!
= = n
n
n
P
n
n
2-Probabilits
Qui a commenc ?
Pierre de Fermat
Blaise Pascal
2-Probabilits
1
2
Gagner une voiture ou une chvre?
3
2
On choisi 1
Lanimateur dcouvre le 3 ou il y a une chvre
Il nous laisse la possibilit de modifier notre choix
Que faire ?
2-Probabilits
La probabilit a priori, subjective dun vnement
est un nombre qui caractrise la croyance que lon a
que cet vnement est ralis avec plus ou moins de
certitude avant lexcution de lexprience :
lvnement est ralis (probabilit 1) et lvnement
Il existe deux manires dintroduire la notion de probabilit
lvnement est ralis (probabilit 1) et lvnement
nest pas ralis (probabilit 0).
La probabilit empirique assimile une frquence
est dfinie partir dexpriences indfiniment
renouvelables. La probabilit dun vnement est alors
la frquence dapparition de cet vnement.
Enfin le calcul des probabilits utilise lanalyse
combinatoire ainsi que la thorie des ensembles.
2-Probabilits
a. Notion dvnements
b. Proprits des vnements
c. Calcul des probabilits
PLAN
e. Probabilit conditionnelle
f. Probabilits composes
g. Bayes
2-Probabilits
En probabilit, une exprience (ou preuve) est dite
alatoire si son rsultat ne peut pas tre prdit
lavance de faon certaine.
Lancer un d
Lensemble des rsultats possibles est appel
ensemble fondamental .
a Notion dvnements
ensemble fondamental .
= {1,2,3,4,5,6}
On appelle vnement lmentaire tout lment de
On appelle vnement toute proposition logique associ
aux rsultats de lexprience
Exemple :
On lance 1 d
Lvnement A : le rsultat est un chiffre pair. A = {2,4,6}
Lvnement B : le rsultat est un chiffre impair. A = {1,3,5}
On lance 2 ds, lvnement A : la somme des deux est 7
2-Probabilits
On lance 2 ds et on sintresse leur somme.
vnement impossible : la somme est 1, not A =
vnement certain = vnement toujours ralis : A=
vnement : la somme est comprise entre 2 et 12
a Notion dvnements
Diagramme de Venn
2-Probabilits
a Notion dvnements
On lance 1 d :
A B
A B

On lance 1 d :
= {1,2,3,4,5,6}
A = {1,3,5}
B = {3,6}
C = {2,4,6}
A B = {3} : A ET B sont raliss
A C = : A et C sont incompatibles
A B = {1,3,5,6} A OU B sont raliss
C(A) = A = {2,4,6} : vnement contraire de A
2-Probabilits
a Notion dvnements
Soit un ensemble dvnements Ai (i=1,..,n)
vrifiant les proprits :
/ =
/
j i Aj Ai
i Ai
O
O
forme un ensemble complet (exhaustif)

Des vnements exhaustifs forme une partition de
A1 A2 An
=
=
U
n
i
Ai
1
2-Probabilits
b Proprits des vnements
B A B A B A B A = = et
O et / = = A A A A
contraires
( ) ( ) B A B A A =
O et / = = A A A A
A B B A A B B A = = et
( ) ( ) ( )
( ) ( ) ( )
)
`
=
=
C A B A C B A
C A B A C B A
commutativit
distributivit
2-Probabilits
Ensemble probabilis fini
= {a1,a2,,an}, {ai} les vnements lmentaires
On appelle P
i
= P(ai) la probabilit de {ai}, alors :
c Calcul des probabilits
quelque soit i, 0 P(ai) 1
et
La probabilit dun vnement A tant la somme des
probabilits des vnements lmentaires qui
constitue A
si A={w1,w2,w3}
alors P(A) = P(w1) + P(w2) + P(w3)
( ) 1 ...
2 1
= = + + + =
P P P P P
n
i
i
2-Probabilits
Ensemble probabilis fini
Exemple : On lance un d truqu
= {1,2,3,4,5,6},
avec P(1) = P(3) = P(4) = P(5) = 1/8
et P(2) = P(6) = 2/8
( ) 1 =
i
i P
et P(2) = P(6) = 2/8
Si A vnement pair alors :
P(A) = 5/8
Si B vnement impair alors :
P(B) = 3/8
i
2-Probabilits
Ensemble fini quiprobable
Soit un vnement A de lunivers
n le nombre dventualit de A (n = card A)
N le nombre dventualit de (N = card )
Tous les vnements lmentaires ont la mme
chance de se raliser, alors :
P(ai) = 1/ N
La probabilit de lvnement A est :
( )
possibles cas de nb
favorables cas de nb
= =
N
n
A P
2-Probabilits
Ensemble fini quiprobable
Exemple : un lancer de d non truqu
= {1,2,3,4,5,6},
N=card = 6
Soit A={obtenir un chiffre pair}={2,4,6}
n =card A = 3
Do P(A) = 3/6 = 1/2
2-Probabilits
Ensemble infini dnombrable
Exemple
On jette un d non pip jusqu lapparition dun 6.
On note wj : le 6 apparat au jme lancer
= {w1,w2,..,wj,}
{ } ( )
6
1
6
5
1
|
\
|
= =
n
n n
w p P
x x
x
x x
N
N
N
n
n
N
n
n
=
(
= =

=

1
1
1
1
lim lim
1
1
1
1
Or si |x|<1
1
6
5
1
1
6
1
6
5
6
1
1
1 1
=
=
|
\
|
=

n
n n
n
p
2-Probabilits
Ensemble infini, non dnombrable
Exemple
Une mesure gomtrique (droite, une surface, un
volume,) ou biologique
Calculer la probabilit quun satellite tombe sur Paris
comme le rapport de la surface de Paris sur la
surface du globe.
( )
( )
( )
=
m
A m
A P
2-Probabilits
0 P 1
P() = 0
P() = 1
P(A) = 1 - P(A)
d Proprits des probabilits
P(A) = 1 - P(A)
si A B alors P(A) P(B)
Exemple du lancer de d
1
5
3
2
4
6
2-Probabilits
Si A et B incompatible : P(AB) = P(A) + P(B)
1
2
4
6
5
3
P(1) + P(3) + P(5) + P(2) + P(4) + P(6) =1
P(A) + P(B) = P(AB)
ou
n
A
+ n
B
= n
AB

2-Probabilits
A et B quelconques : P(AB) = P(A) + P(B) - P(AB)
1
2
4
6
5
3
P(AB) =P(1) + P(3) + P(5) + P(2) + P(4) + P(6)
or
P(1) + P(3) + P(6) + P(5) + P(2) + P(4) + P(5) + P(6)
= P(A) + P(B)
2-Probabilits
A, B et C quelconques :
P(ABC) = P(A) + P(B) + P(C)
- P(AB) - P(AC) - P(CB)
+ P(ABC)
+ P(ABC)
Exemple du lancer de d 12 faces

1
2
6
5
3
4
C
7
8
9
10
11
12
2-Probabilits
Le pari du chevalier de Mr
Pari 1 : Si lon jette 4 fois un d six faces, il y a
plus de chances quon obtienne un 6 plutt quon
nen obtienne pas.
Exemple
nen obtienne pas.
Pari 2 : Si lon jette 24 fois deux ds six faces,
Mr pensait quil y avait aussi plus de chances
quon obtienne un double six plutt quon nen
obtienne pas.
2-Probabilits
Trs utilis dans la vie courante et particulirement
en mdecine :
Un individu a 5 fois plus de chance de
dvelopper une maladie coronarienne sil fume
e Probabilit conditionnelle
dvelopper une maladie coronarienne sil fume
un paquet par jour
Le risque de mort subite est multipli par 3 en
cas dinfarctus du myocarde
2-Probabilits
On a 2 vnements A et B
On sait que B est ralis
Quelle est la probabilit davoir A sachant B ?
( ) ( )
( )
( )
= =
B A P

( ) ( )
( )
( )
( ) 0 avec /
= = B P
B P
B A P
A P B A P
B
A B
2-Probabilits
Incompatible Indpendant
si incompatible : P(A B) = 0 = P(A/ B)
si indpendant : P(A B) = P(A).P(B)
En effet
( ) ( )
( ) B A P
En effet

( ) ( )
( )
( ) B P
B A P
A P B A P

= = /
A B
2-Probabilits
Exemple
Soit 2 vnements A et B
A : tirer un nombre pair
B : tirer un multiple de 3
B : tirer un multiple de 3
Calculer P(A B) :
1. Si lpreuve est de lancer un d
2. Si l preuve est le tirage dune boule dans une urne
contenant 10 boues numrotes de 1 10
2-Probabilits
Do vient laffirmation :
Un individu a 5 fois plus de chance de dvelopper
une maladie coronarienne sil fume un paquet par
jour
Dans une population donne on tire une
Dans une population donne on tire une
personne au hasard :
F lvnement un individu fume un paquet par jour
M lvnement un individu dveloppe une maladie
coronarienne
Laffirmation correspond :
( )
( )
5
/
/
=
F M P
F M P
2-Probabilits
De la probabilit conditionnelle on dduit :
P(A B) = P(A / B).P(B)= P(B / A).P(A)
On peut gnraliser
P(A B C) = P(A / B C).P(B / C).P(C)
f Probabilits composes
P(A B C) = P(A / B C).P(B / C).P(C)
Car
P(A (B C)) = P(A / B C).P(B C)
P(B C) = P(B / C).P(B)
Encore plus
P(A
1
A
n
) = P(A
1
/ A
2
A
n
)
xP(A
2
/ A
3
A
n
) xxP(A
n-1
/ A
n
)
xP(A
n
)
2-Probabilits
Exemple :
Dans un jeu de 32 cartes calculer la probabilit de
tirer un pique puis un cur
Une urne contient 3 boules rouges et 4 boules
f Probabilit composes
Une urne contient 3 boules rouges et 4 boules
noires. Calculer la probabilit de tirer
alternativement une noire et une rouge
2-Probabilits
Arbre de dcision
R
1
R
2
R
3
Exprience R
P(R
1
)
P(R
2
)
P(R
3
)
D
1
D
2
D
1
D
2
D
1
D
2
Exprience D
La probabilit du chemin R
2
-D
2
(ralisation de R
2
ET D
2
) est la
probabilit de chaque branche : P(R
2
D
2
) = P(R
2
). P(D
2
/ R
2
)
P(D
1
/R
1
)
P(D
2
/R
2
)
2-Probabilits
Arbre de dcision : Exemple
homme souffrant dune
douleur cardiaque
positif
Test deffort : E
0,6 0,4
positif
ngatif
positif ngatif positif ngatif
Test deffort : E
Coronographie : C
La probabilit davoir une coronographie positive et un test
deffort positif est de : P(C+ E+) = 0,6*0,8 = 0,48
La probabilit davoir une coronographie positive est de :
P(C+) = 0,6*0,8 + 0,4*0,3 = 0,6
0,8 0,2 0,3 0,7
2-Probabilits
Arbre de dcision :
homme souffrant dune
douleur cardiaque
positif
ngatif
Test deffort : E
0,6 0,4
ngatif
positif ngatif positif ngatif Coronographie : C
0,8 0,2 0,3 0,7
E+ E- total
C+
C-
total 0,6 0,4 1
En utilisant un tableau de proba
E+ E- total
C+ 960 240 1200
C- 240 560 800
total 1200 800 2000
En utilisant un tableau deffectifs
2-Probabilits
Probabilit des causes
P(C E) = P(C / E).P(E)= P(E / C).P(C)
P(E) = P(E / C).P(C) + P(E / C).P(C)
do
g Bayes
do
C
C
E E E E
( )
( ) ( )
( ) ( ) ( ) ( ) C E P C P C E P C P
C E P C P
E C P
/ /
/
/
+
=
2-Probabilits
Gnralisation n causes C
1
,C
2
,,C
n
formant un
systme exhaustif
g Bayes
( )
( ) ( )
( ) ( ) ( ) ( )
( ) ( )
( ) E P
C E P C P
C E P C P C E P C P
C E P C P
E C P
i i
n n
i i
i
=
+ +
=
/
/ ... /
/
/
1 1
( ) ( ) ( ) ( ) ( )
( )
( ) E P
E C P
E P C E P C P C E P C P
i
n n
=
+ + / ... /
1 1
C
1
C
2
C
i
C
n
E
2-Probabilits
g Bayes : exemple
Trois machines A, B et C produisent
respectivement 40%, 35% et 25% du nombre
total des comprims fabriqus par un
laboratoire. Chacune de ces machines produit
resp. 5%,6% et 3% de comprims dfectueux. resp. 5%,6% et 3% de comprims dfectueux.
On prend un comprim au hasard.
1. Quelle est la probabilit quil soit dfectueux?
2. On constate quil est dfectueux. Quelle est la
probabilit quil ait t produit par la machine
A?
2-Probabilits
g Bayes : exemple
A B C
0,4
0,35
0,25 = P(C)
A B C
D D D D D D
P(D/A) = 0,05
0,06 0,03
( )
( ) ( )
( )
41 , 0
0485 , 0
05 , 0 4 , 0 /
/ =
= =
D P
A D P A P
D A P
( ) ( ) ( ) ( ) ( ) ( ) ( )
0485 , 0 03 , 0 25 , 0 06 , 0 35 , 0 05 , 0 4 , 0
/ / /
= + + =
+ + = C D P C P B D P B P A D P A P D P
2-Probabilits
Diagnostique thrapeutique
On cherche identifier une pathologie
On dispose dun test gold standard permettant de
didentifier avec certitude cette pathologie
On labore un test alternatif
Est il efficace ? Est il efficace ?
On prend une population test de sains et malades connus,
et on applique le test, et on rempli le tableau :
2-Probabilits
malades
positif
FN
VP
FP
Toute la population
Rsultat du gold
standard
M M
Rsultat du
test
T+ VP FP Total T+
T- FN VN Total T-
Total M Total M Total pop
FP
VN
2-Probabilits
( ) Se M T P = + /
Une population constitu de sujets atteints dune maladie M et de sujets sains
p, la prvalence de la maladie : la probabilit pour un sujet dtre malade.
Se, la sensibilit du test : probabilit dun sujet malade dtre positif.
Sp, la spcificit du test : probabilit dun sujet sain dtre ngatif
Malades
Sain
T+
T-
T+
T-
population
( ) M P p =
( ) M P p = 1
( ) Se M T P = + /
( ) Sp M T P = /
VP : Vrai Positif
FN : Faux Ngatif
FP : Faux Positif
VN : Vrai Ngatif
2-Probabilits
Considrons un test ayant une sensibilit et une spcificit
de 90%, appliqu un chantillon de 1000 sujets
reprsentatifs dune population o la prvalence de la
maladie diagnostiquer est de 1%
Rsultat du gold
standard
M M
Rsultat du
test
T+ VP FP Total T+
T- FN VN Total T-
Total M Total M Total pop
Rfrences
Cours PCEM1 Rennes : Bernard-Cuggia-Burgun
Cours 1
er
cycle Biologie Lyon : Mme Monchiroud
Probabilits et statistique, Guy Auliac, Ediscience
Biostatistiques, Rgis Beuscart, Ed Omniscience
Biostatistiques, R.Atlani Y. Cojan, Ed Robert Atlani Biostatistiques, R.Atlani Y. Cojan, Ed Robert Atlani
Statistiques et probabilits, Daniel Fredon, Ed Dunod
Biomathmatiques, S. Benazeth,, Ed Masson
Itinraires en statistiques et probabilits, Carnec, Ed Ellipses
Biostatistiques, Triola, Ed Pearson

Medecine Cours Math

Transféré par

Droits d'auteur :

Formats disponibles

Medecine Cours Math

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Medecine Cours Math

Transféré par

Droits d'auteur :

Formats disponibles

UE 4 :

valuation des mthodes danalyses

cette limite sappelle drive de f en x

nombre de partition avec n objets partir de n objets

forme un ensemble complet (exhaustif)

Vous aimerez peut-être aussi

Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.