Exercice 1 : Probabilités : fiabilité d'un test de dépistage du chikungunya et loi binomiale
5 points Arbres pondérés et probabilités totalesLoi binomiale et concentration
Toutes les probabilités, sauf indication contraire, seront arrondies à dans cet exercice.
« Le virus du chikungunya, transmis à l'homme par la piqûre du moustique tigre provoque chez les patients des douleurs articulaires aiguës qui peuvent être persistantes. En 2005, une importante épidémie de chikungunya a touché les îles de l'Océan Indien et notamment l'île de La Réunion, avec plusieurs centaines de milliers de cas déclarés. En 2007, la maladie a fait son apparition en Europe, puis fin 2013, aux Antilles et a atteint le continent américain en 2014 ».
(https://www.pasteur.fr/fr/centre-medical/fiches-maladies/chikungunya)
Un test a été mis au point pour le dépistage de ce virus.
Le laboratoire fabriquant ce test fournit les caractéristiques suivantes :
• la probabilité qu'un individu atteint par le virus ait un test positif est de ;
• la probabilité qu'un individu non atteint par le virus ait un test positif est de .
On procède à un test de dépistage systématique dans une population cible.
Un individu est choisi au hasard dans cette population. On appelle :
• l'évènement : « l'individu choisi est atteint du chikungunya ».
• l'évènement : « le test de l'individu choisi est positif ».
On considère que le test est fiable lorsque la probabilité qu'un individu ayant un test positif soit atteint par le virus est supérieure à .
- Partie A : Étude d'un exemple
- A.1. Donner les probabilités et .
- « En mars 2005, l'épidémie s'est propagée rapidement dans l'ile de La Réunion, avec une flambée importante entre fin avril et début juin puis une persistance de la transmission virale durant l'hiver austral. Au total, personnes ont été infectées pour une population totale de individus ».
- (https://www.pasteur.fr/fr/centre-medical/fiches-maladies/chikungunya)
- Fin 2005, le laboratoire a effectué un test de dépistage massif de la population de l'île de La Réunion.
- Dans cette partie, la population cible est donc la population de l'ile de La Réunion.
- A.2. Donner la valeur exacte de .
- A.3. Recopier et compléter l'arbre pondéré donné ci-dessous.
- A.4. Calculer la probabilité qu'un individu soit atteint par le virus et ait un test positif.
- A.5. Calculer la probabilité qu'un individu ait un test positif.
- A.6. Calculer la probabilité qu'un individu ayant un test positif soit atteint par le virus.
- A.7. Peut-on estimer que ce test est fiable ? Argumenter.
- Partie B : Dépistage sur une population cible
- Dans cette partie, on note la proportion de personnes atteintes par le virus du chikungunya dans une population cible.
- On cherche ici à tester la fiabilité du test de ce laboratoire en fonction de .
- B.1. Recopier, en l'adaptant, l'arbre pondéré de la question A3 en tenant compte des nouvelles données.
- B.2. Exprimer la probabilité en fonction de .
- B.3. Montrer que .
- B.4. Pour quelles valeurs de peut-on considérer que ce test est fiable ?
- Partie C : Étude sur un échantillon
- Pendant l'épidémie, on admet que la probabilité d'être atteint du chikungunya sur l'ile de La Réunion est de .
- On considère un échantillon de individus choisis au hasard, en assimilant ce choix à un tirage au sort avec remise. On désigne par la variable aléatoire dénombrant le nombre d'individus infectés dans cet échantillon parmi les tirés au sort.
- On admet que suit une loi binomiale de paramètres et .
- C. Déterminer à partir de combien d'individus la probabilité de l'évènement « au moins un des habitants de cet échantillon est atteint par le virus » est supérieure à . Expliquer la démarche.
Voir la correction
Réponses
- A.1 ;
- A.2
- A.3 , ; , ; ,
- A.4
- A.5
- A.6
- A.7 Oui :
- B.1 Premier niveau , ; second niveau inchangé : , , ,
- B.2
- B.3 (on multiplie par )
- B.4 Fiable si et seulement si , soit environ de personnes atteintes au moins
- C : à partir de individus
A.1. Chaque caractéristique du laboratoire décrit une sous-population, et c'est elle qui fixe la probabilité conditionnelle. « Un individu atteint par le virus ait un test positif » : on sait que l'individu est atteint, donc . « Un individu non atteint par le virus ait un test positif » : on sait qu'il n'est pas atteint, donc .
Le vocabulaire du dépistage aide à ne pas les confondre : est la sensibilité du test (il repère presque tous les malades), le taux de faux positifs. Erreur fréquente : lire comme ou comme ; aucune des deux n'est donnée, c'est justement ce que l'exercice va calculer.
A.2. Dans cette partie, la population cible est l'île entière : on choisit un individu au hasard parmi , dont ont été infectés. En situation d'équiprobabilité, .
La valeur exacte est demandée : l'est (c'est ), il n'y a rien à arrondir. Attention à ne pas prendre pour une proportion de tests positifs : c'est la proportion de personnes réellement atteintes, la « prévalence » de la maladie dans la population.
A.3. Le premier niveau porte et : et, par l'évènement contraire, .
Les branches issues de portent des probabilités conditionnées par : et . Celles issues de sont conditionnées par : et .
Contrôle : les probabilités issues d'un même nœud ont pour somme (, , ). L'arbre complété figure en fin de corrigé, avec au bout de chaque chemin la probabilité de l'intersection correspondante.
A.4. On cherche , probabilité d'un chemin de l'arbre, donc produit des probabilités portées par ses branches (formule des probabilités composées) : , soit arrondi à .
Pour la suite, on garde la valeur exacte : la consigne d'arrondi porte sur les résultats affichés, pas sur les calculs intermédiaires. Vérification : est à peine inférieure à , ce qui est logique puisque presque tous les malades sont positifs.
A.5. Formule des probabilités totales, avec la partition de l'univers : .
Le second terme se lit sur l'autre chemin qui mène à : . Donc , soit arrondi à .
Erreur fréquente : répondre ou additionner . Une probabilité conditionnelle ne s'additionne pas à une autre conditionnée par un évènement différent ; il faut repasser par les intersections.
A.6. On sait que le test est positif : on cherche . L'arbre est construit dans l'ordre puis , la question part de : on revient à la définition d'une probabilité conditionnelle (c'est la démarche de la formule de Bayes).
, soit arrondi à .
Le piège de l'arrondi : en divisant les valeurs arrondies, , on obtient , qui est faux au millième. Quand un résultat sert à en calculer un autre, on calcule avec les valeurs exactes (ou la mémoire de la calculatrice) et on n'arrondit qu'à la fin. Second piège, plus grave : confondre avec , les deux n'ont pas le même sens.
A.7. Par définition, le test est fiable lorsque est supérieure à . Ici et : dans la population de La Réunion en 2005, le test est fiable. Concrètement, plus de des personnes testées positives étaient réellement atteintes.
L'argument attendu est la comparaison chiffrée avec le seuil de la définition. Répondre « oui, car » ne justifie rien : ce n'est pas la probabilité qui définit la fiabilité ici, et la partie B montre que la même sensibilité peut donner un test non fiable.
B.1. Les caractéristiques du laboratoire ne dépendent pas de la population : le second niveau de l'arbre est inchangé, , , , . Seul le premier niveau change : et .
L'arbre adapté figure en fin de corrigé. Il ne faut pas remplacer aussi par : est la proportion de malades dans la population, pas une caractéristique du test.
B.2. Probabilités totales avec la partition , exactement comme en A.5 : .
En développant : . Vérification avec la partie A : pour , , c'est bien la valeur de A.5.
B.3. Par définition, , avec et (question B.2), non nulle puisque .
Donc . En multipliant le numérateur et le dénominateur par , on obtient , ce qu'il fallait démontrer.
Contrôle : pour , , on retrouve A.6. Signaler que le dénominateur ne s'annule pas fait partie de la rédaction d'un quotient.
B.4. Le test est fiable lorsque (« supérieure à » au sens large, convention usuelle en mathématiques). On résout donc, pour , l'inéquation .
Le dénominateur est strictement positif : on peut multiplier les deux membres par lui sans changer le sens de l'inégalité. .
Or . Le test est donc fiable si et seulement si , c'est-à-dire lorsque la proportion de personnes atteintes dans la population cible est d'au moins environ. Avec une lecture stricte de « supérieure à », la seule différence est que la valeur est exclue ; la conclusion pratique est la même.
C'est la leçon de l'exercice : un excellent test ( de sensibilité, de faux positifs) devient peu fiable quand la maladie est rare, parce que les faux positifs, pris dans une population saine très nombreuse, finissent par dépasser les vrais positifs. Pour par exemple, : un positif sur trois environ est un faux positif. Erreur fréquente : oublier de justifier le signe du dénominateur avant de multiplier.
C. La démarche : on traduit l'évènement par la variable , on passe à l'évènement contraire, puis on résout une inéquation par le logarithme népérien.
« Au moins un des habitants est atteint » est l'évènement , dont le contraire est . Pour une loi binomiale de paramètres et , , donc .
On résout . La fonction est strictement croissante sur : . Comme (car ), diviser par RENVERSE l'inégalité : .
Le plus petit entier qui convient est . Vérification aux bords : et . Il faut donc un échantillon d'au moins individus pour que la probabilité d'y trouver au moins une personne infectée dépasse .
Les deux pièges : garder le sens de l'inégalité en divisant par , négatif, ce qui donne et une réponse absurde ; et écrire en se trompant de probabilité, alors que « aucun infecté » correspond à individus SAINS, de probabilité chacun. Une méthode par balayage à la calculatrice (tableau des valeurs de ) est aussi acceptée, à condition d'écrire les deux valeurs qui encadrent le seuil.
Coche ici les exercices faits ou à revoir : un compte gratuit, sans mot de passe, retient tes coches et tes réponses justes d'une visite à l'autre, te dit quel chapitre attaquer ensuite et te permet de demander l'exercice qui te manque. Crée ton espace, un courriel suffit.