Probabilité ou indice de croyance?

Slides:



Advertisements
Présentations similaires
L’échantillonnage & Ses Fluctuations
Advertisements

CHAPITRE 7 Probabilités
Probabilités et statistiques au lycée
Le programme de troisième (2008) partie probabilités extrait d’une présentation de Michel HENRY, président de l’IREM de Besançon.
STATISTIQUE INFERENTIELLE L ’ESTIMATION
Notions de probabilité
RECONNAISSANCE DE FORMES
Notion de probabilité.
Inférence statistique
Comparaison d'une distribution observée à une distribution théorique
Les TESTS STATISTIQUES
Les TESTS STATISTIQUES
Autour d’une expérience aléatoire simple:
Notions de variable aléatoire et de probabilité d’un événement
Système formel Nous avons introduit : signes de variables (x, y, z, …), de constantes (0, 1), d’opérations (+, ), de relations (=, ) Axiomes : ce sont.
PROBABILITÉS en 3ème  .
Probabilités au collège
Probabilités et statistiques en première S, ES, L
Statistique descriptive
variable aléatoire Discrète
Statistiques et probabilité :
Enseigner les Probabilités en Bac Pro 3 ans
Fluctuations d’une fréquence selon les échantillons, Probabilités
2. Expériences aléatoires et modélisation
Statistiques et Probabilités au lycée
Tests de comparaison de moyennes
Probabilités et statistiques
Atelier Probabilités et statistiques
Les lois des probabilités
RECONNAISSANCE DE FORMES
Fusion de données : Vision probabiliste de la fusion
Les probabilités ... la valeur d'un hasard est égale à son degré d'improbabilité. Milan Kundera.
Groupe 1: Classes de même intervalle
Des situations familières concernant les instruments produisant du hasard Présentation.
Introduction aux probabilités
Évaluer des compétences
Chapitre 6 Lois de probabilité.
Les probabilités.
Somme et intégrale de Riemann
Mise en oeuvre des MMCs L'utilisation des MMCs en reconnaissance des formes s'effectue en trois étapes : définition de la topologie de la chaîne de Markov,
Des épreuves pratiques aux TP Des exemples en probabilités
ÉCHANTILLONNAGE AU FIL DES PROGRAMMES Stage : nouveaux programmes de première Novembre 2011.
IA-IPR Les situations familières concernant les instruments produisant du hasard.
Filtrage de Kalman et aperçu probabiliste
Calcul de probabilités
Introduction aux probabilités
Probabilités et Statistiques
Probabilités et Statistiques Année 2010/2011
Atelier algorithmique Journée de la Régionale de Nice,
Scénario Quatre hommes entrent en collision un dans l'autre dans un ascenseur plein de personnes. En conséquence ils laissent tomber leurs téléphones cellulaires.
Probabilités et Statistiques
Micro-intro aux stats.
TD4 : « Lois usuelles de statistiques »
STATISTIQUES – PROBABILITÉS
Fabienne BUSSAC PROBABILITÉS 1. VOCABULAIRE
Chapitre 3: Variables aléatoires réelles continues
Atelier Probabilités et statistiques
Thème: statistiques et probabilités Séquence 6: Probabilités (Partie 1) Capacités : Déterminer la probabilité d’événements dans des situations d’équiprobabilité.
CHAPITRE 3. Acquisition d’information et révision des croyances
Chapitre 4 Variables aléatoires discrètes
Probabilités et Statistiques
Rappel de statistiques

ECHANTILLONAGE ET ESTIMATION
Scénario Quatre hipsters entrent en collision un dans l'autre dans un ascenseur plein de personnes. En conséquence ils laissent tomber leurs téléphones.
Introduction aux statistiques Intervalles de confiance
Chapitre 4 Statistique descriptive 1. Echantillonnage statistique population On appelle population, un ensemble d’individus auquel on s’intéresse échantillon.
Biostatistique pour le troisième cycle P. Leroy, F. Farnir 2013.
TP1: Statistique application chapitre 2. Le tableau suivant reprend le taux d'intérêt (en %) payé par 20 banques sur les dépôts d'épargne de leurs clients.
Réalisé par : Sébastien Lachance MATHS 3 E SECONDAIRE LesPROBABILITÉS.
Transcription de la présentation:

Probabilité ou indice de croyance? Thomas BAYES 1702 - 1761 Joseph BERTRAND 1822 - 1900 Bruno de FINETTI 1906 - 1985

Naissance de la probabilité « Sont probables les opinions qui sont reçues par tous les hommes, ou par la plupart d’entre eux, ou par les sages, et parmi ces derniers, soit par tous, soit par la plupart, soit enfin par les plus notables et les plus illustres » (Aristote, Les Topiques). Probable s’oppose à contingent ou à accidentel. Dans les traductions des Topiques, il devient vraisemblable. On trouve des calculs sur l’incertain à Rome (rentes viagères) puis au Moyen-âge (risque maritime et assurances). Les jeux sont par la suite un matériau de base.

La probabilité objective Les lois uniformes sur des ensembles finis sont de bons terrains d’entente pour considérer qu’à une expérience aléatoire donnée correspond une probabilité, dite objective. Elle n’est parfois pas simple à déterminer … On postule que cette probabilité objective peut être perçue à travers un grand nombre d’expériences. C’est l’observation d’un grand nombre d’expériences identiques qui en avait donné l’intuition. Mais alors, que vaut la notion de probabilité pour des expériences qu’on ne peut reproduire ad libitum?

Approche fréquentiste On peut constater empiriquement que, pour une expérience aléatoire donnée, les fréquences d’apparition d’un certain résultat « tendent à se stabiliser » autour d’une certaine valeur. Laquelle? P = 0,51 P = 0,52

Fréquences VS intuition Le jeu de Monty Hall renouvelle le paradoxe des boîtes de Bertrand. Il y a paradoxe en ce sens que le résultat mathématique s’oppose à la croyance. L’approche fréquentiste prend pour axiome caché la loi des grands nombres (qui n’a pas encore ou a déjà perdu son statut de théorème)… elle peut quand même aider à rejeter certaines intuitions ou croyances.

En géométrie, c’est du sûr ? Problème posé lui aussi par Joseph Bertrand : On choisit au hasard une corde d’un cercle ; quelle est la probabilité que sa longueur soit supérieure à la longueur du côté du triangle équilatéral inscrit dans le cercle? Corde_1 Corde_2 Corde_3 Si l’expérience consistait à choisir un point destiné à être le milieu d’une corde, seule la troisième méthode donnerait une répartition uniforme sur le disque (privé du centre)

Asseoir la théorie Pour un peu d’histoire, consulter, à l’adresse : http://msh.revues.org/3556 L’article de Bernard BRU (Université Paris Descartes) sur le théorème central limite et la courbe en cloche. A.N. KOLMOGOROV (1903 – 1987) publie en 1933 les Grundbegriffe der Wahrscheinlichkeitsrechnung

L’apport de Kolmogorov Cadre théorique : la probabilité mesure les parties d’un ensemble (des parties, constituant une tribu). L’axiomatique recouvre les implicites précédents, mais ne se prononce pas sur l’étape de modélisation. La notion d’indépendance de deux événements est définie de manière simple. Elle est extérieure à la modélisation. Le théorème central est établi rigoureusement, sous des hypothèses minimales

La formule de Bayes Dans « An essay towards solving a probleme in the doctrine of chances », ouvrage posthume paru en 1763, Thomas Bayes détermine, à partir des tirages observés, « la probabilité que le paramètre p d’une distribution binomiale se trouve dans un intervalle [a, b] ». La probabilité est devenue subjective. Deux tirages pour un résultat

L’information au crible bayesien Notons V l’événement « avoir commis un vol à la tire », NV l’événement contraire, A « être un autochtone », I l’événement contraire. On sait que La formule de Bayes donne : Il y a donc 1 auteur de vol à la tire sur 2 000 non-autochtones (et environ 1 auteur de vol à la tire sur 20 000 autochtones) On peut poursuivre le calcul en intégrant des données sur les niveaux de revenus, d’instruction, etc.

Tous bayesiens ? Les bayesiens du baccalauréat : Les bayesiens du net

« La probabilité n’existe pas » Cet aphorisme écrit par Bruno de Finetti dans son ouvrage « Teoria della probabilita » (1970) exprime l’idée que ce qu’on appelle la probabilité est l’expression par l’observateur de sa vision du monde. La statistique bayesienne autorise la prise en considération pour la détermination de la probabilité d’observations extérieures à l’expérience.

Le cerveau bayesien