Dans le théorème de Bayes, la probabilité a priori (ou prior) désigne une probabilité se fondant sur des données ou connaissances antérieures à une observation. Elle s'oppose à la probabilité a posteriori (ou posterior) correspondante qui s'appuie sur les connaissances postérieures à cette observation. Le théorème de Bayes s'énonce de la manière suivante : si . désigne ici la probabilité a priori de , tandis que désigne la probabilité a posteriori, c'est-à-dire la probabilité conditionnelle de sachant . Soit θ un paramètre ou vecteur de paramètres inconnu considéré aléatoire : la loi de la variable aléatoire avant observation est appelée loi a priori, notée généralement ; la loi de la variable aléatoire après observation est appelée loi a posteriori. Soit X une variable aléatoire dont la loi de probabilité associée dépend de , et x l'observation. Le théorème de Bayes s’énonce alors : . La probabilité a priori est et la probabilité a posteriori devient . La loi a priori est toujours et la loi a posteriori est alors la loi de conditionnellement à l'observation de et s'écrit donc . Les lois a priori peuvent être créées à l'aide d'un certain nombre de méthodes. Une loi a priori peut être déterminée à partir d'informations antérieures, telles que des expériences précédentes. Elle peut être obtenue à partir de l'évaluation purement subjective d'un expert expérimenté. Une loi a priori non informative peut être créée pour refléter un équilibre entre les résultats lorsque aucune information n'est disponible. Les lois a priori peuvent également être choisies en fonction d'un certain principe, comme la symétrie ou la maximisation de l'entropie compte tenu des contraintes ; les exemples sont la loi a priori de Jeffreys ou l’a priori de référence de Berger-Bernardo. Enfin, lorsqu'il existe une famille d’, le choix d'un a priori dans cette famille simplifie le calcul de la loi a posteriori. Inférence bayésienne Probabilité a posteriori Probabilité conditionnelle Statistique bayésienne Fonction de vraisemblance Théorème de Bay

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.