Résumé complet : Applications concrètes des probabilités conditionnelles

Tests médicaux

Formule de Bayes:
\( P(\text{Malade}|+\text{Test}) = \frac{P(+\text{Test}|\text{Malade}) \times P(\text{Malade})}{P(+\text{Test})} \)

Sensibilité:
\( P(+\text{Test}|\text{Malade}) \)

Exemple :

Prévalence: 1%, Sensibilité: 95%, Spécificité: 90%
P(Malade|+Test) = (0.95×0.01)/(0.95×0.01 + 0.1×0.99) ≈ 8.7%

Qualité industrielle

🏭

Taux de défaut conditionnel à la machine

📊

P(Défaut|Machine A) vs P(Défaut|Machine B)

🔄

Contrôles successifs conditionnels

🎯

Analyse des causes racines des défauts

Marketing et segmentation

✅

P(Achat|Segment X): Probabilité conditionnelle

🎯

Segmentation: Découpage en sous-groupes

🔄

Retargeting: Basé sur comportement antérieur

Méthodes & Conseils

🔍

Identifier les événements conditionnels

📝

Définir clairement les conditions

🎯

Utiliser la formule des probabilités totales

📏

Construire un arbre pondéré

💡

Appliquer la formule de Bayes si nécessaire

Erreurs Fréquentes

Erreur 1 :

Confondre P(A|B) et P(B|A)

Erreur 2 :

Oublier les probabilités a priori

Erreur 3 :

Ne pas tenir compte de la prévalence

Erreur 4 :

Supposer l'indépendance sans justification

Autres applications

✅

Finance: Risque de crédit conditionnel

📐

Assurance: Prime conditionnelle au profil

🔄

Jeux de hasard: Stratégies conditionnelles

🎯

Prévisions météo: Conditions initiales

Exemples détaillés

Exemple 1 (Marketing) :

60% hommes, 40% femmes
Hommes: 10% achètent, Femmes: 15% achètent
P(Achat) = 0.6×0.1 + 0.4×0.15 = 0.12
P(Homme|Achat) = (0.6×0.1)/0.12 = 0.5

Exemple 2 (Qualité) :

Machine A: 30% production, 2% défaut
Machine B: 50% production, 3% défaut
Machine C: 20% production, 1% défaut
P(Défaut) = 0.3×0.02 + 0.5×0.03 + 0.2×0.01 = 0.023