« Théorème de Bayes / Laplace » : différence entre les versions


m (Claude COULOMBE a déplacé la page Théorème de Bayes vers Théorème de Bayes / Laplace)
Aucun résumé des modifications
Ligne 3 : Ligne 3 :


Le théorème est utile pour travailler avec des faux positifs. Il facilite également la mise à jour d'une probabilité basée sur de nouvelles données, ce qui le rend utile dans les nombreuses applications où les données continuent de s'accumuler.
Le théorème est utile pour travailler avec des faux positifs. Il facilite également la mise à jour d'une probabilité basée sur de nouvelles données, ce qui le rend utile dans les nombreuses applications où les données continuent de s'accumuler.
==Compléments==
Énoncé à l’époque de Pascal par le révérend Bayes en 1763 (l’année du traité de Paris) ce petit théorème en apparence anodin changera à jamais la façon dont nous prenons des décisions dans l’incertitude. Bayes s’est intéressé à la manière dont nos connaissances sur le monde évoluent à mesure que nous accumulons des preuves partielles ou entachées d’incertitude. Certains résultats peuvent paraître contre-intuitifs, mais on devient vite bayésien en pratiquant Bayes.
Le théorème de Bayes
P(H|O) = P(O|H) P(H) / P(O)
où P: probabilité, H: hypothèse et O observations ou données.


== Français ==
== Français ==

Version du 16 août 2022 à 03:58

Définition

Équation qui permet de calculer la probabilité que quelque chose soit vrai si quelque chose qui y est potentiellement lié est vrai.

Le théorème est utile pour travailler avec des faux positifs. Il facilite également la mise à jour d'une probabilité basée sur de nouvelles données, ce qui le rend utile dans les nombreuses applications où les données continuent de s'accumuler.

Compléments

Énoncé à l’époque de Pascal par le révérend Bayes en 1763 (l’année du traité de Paris) ce petit théorème en apparence anodin changera à jamais la façon dont nous prenons des décisions dans l’incertitude. Bayes s’est intéressé à la manière dont nos connaissances sur le monde évoluent à mesure que nous accumulons des preuves partielles ou entachées d’incertitude. Certains résultats peuvent paraître contre-intuitifs, mais on devient vite bayésien en pratiquant Bayes.

Le théorème de Bayes

P(H|O) = P(O|H) P(H) / P(O)

où P: probabilité, H: hypothèse et O observations ou données.

Français

théorème de Bayes

Anglais

Bayes' theorem

Source : Datascience glossary

Source : ISI

© Glossaire de la statistique DataFranca