Fondamentaux de la probabilité

Les fondamentaux de la probabilité sont les règles de base qui régissent la combinaison des probabilités d'événements et la description des variables aléatoires. Ils définissent ce qu'est une probabilité, comment additionner et multiplier les probabilités d'événements, et comment résumer une quantité aléatoire par sa distribution, son espérance et sa variance — les éléments constitutifs sur lesquels repose toute méthode statistique ultérieure.

Definition

La probabilité est un nombre compris entre 0 et 1 attribué à un événement pour exprimer sa vraisemblance d'occurrence, obéissant aux axiomes de non-négativité, de probabilité totale égale à un sur l'espace échantillon, et d'additivité pour les événements mutuellement exclusifs.

Scope

Cet article aborde l'espace échantillon, les événements, les axiomes de probabilité, les règles d'addition et de multiplication, les événements complémentaires, et le concept de variable aléatoire avec son espérance et sa variance. Il introduit la distinction entre variables aléatoires discrètes et continues. Il traite la probabilité comme un fondement méthodologique et ne formule pas de recommandations cliniques.

Core questions

• Qu'est-ce qu'un espace échantillon et qu'est-ce qui constitue un événement ?
• Comment les probabilités d'événements combinés s'additionnent-elles ou se multiplient-elles ?
• Qu'est-ce qu'une variable aléatoire et comment sa distribution est-elle résumée ?
• Comment l'espérance et la variance sont-elles définies et interprétées ?

Key concepts

• Espace échantillon
• Événement
• Axiomes de probabilité
• Règle d'addition
• Règle de multiplication
• Événement complémentaire
• Variable aléatoire
• Espérance (moyenne)
• Variance et écart type

Mechanisms

L'espace échantillon énumère tous les résultats possibles d'un processus aléatoire, et un événement en est un sous-ensemble. Les axiomes de Kolmogorov exigent que chaque événement ait une probabilité non négative, que l'espace échantillon entier ait une probabilité de un, et que la probabilité d'une union d'événements mutuellement exclusifs soit la somme de leurs probabilités. De ceux-ci découlent la règle du complément (la probabilité qu'un événement ne se produise pas est un moins sa probabilité), la règle d'addition générale pour l'union de deux événements, et la règle de multiplication pour l'occurrence conjointe. Une variable aléatoire attribue un nombre à chaque résultat ; son espérance est la moyenne pondérée par la probabilité de ces nombres, et sa variance mesure leur dispersion autour de l'espérance. Ces définitions s'appliquent aux variables discrètes, dont les valeurs peuvent être énumérées, et aux variables continues, décrites par une densité.

Clinical relevance

Les règles de probabilité régissent la manière dont les incertitudes concernant les diagnostics, les risques et les résultats des tests se combinent, de sorte qu'une bonne compréhension de celles-ci soutient l'interprétation des preuves quantitatives dans les sciences de la santé. Cet article constitue un arrière-plan méthodologique et n'oriente pas les décisions cliniques individuelles.

History

Les premières notions de probabilité sont nées de la correspondance du XVIIe siècle sur les jeux de hasard et ont été systématisées par Bernoulli et Laplace. La fondation axiomatique moderne, qui définit la probabilité comme une mesure sur un espace échantillon, a été établie par Andrey Kolmogorov en 1933, unifiant le domaine et fournissant la base rigoureuse utilisée en statistique aujourd'hui.

Key figures

• Andrey Kolmogorov
• Pierre-Simon Laplace
• Jacob Bernoulli

Seminal works

• kolmogorov-1956
• ross-2014
• rosner-2015

Frequently asked questions

Que signifie le fait que deux événements soient mutuellement exclusifs ?

Deux événements sont mutuellement exclusifs s'ils ne peuvent pas se produire simultanément ; pour de tels événements, la probabilité que l'un ou l'autre se produise est simplement la somme de leurs probabilités individuelles.

Quelle est la différence entre l'espérance et la variance ?

L'espérance est la valeur moyenne à long terme d'une variable aléatoire, tandis que la variance mesure la dispersion de ses valeurs autour de cette moyenne ; la racine carrée de la variance est l'écart type.