Probabilité a priori

Le théorème de Bayes s'énonce de la manière suivante :

${\displaystyle \mathbb {P} (A|B)={\frac {\mathbb {P} (B|A)\cdot \mathbb {P} (A)}{\mathbb {P} (B)}}}$, si ${\displaystyle \mathbb {P} (B)\neq 0}$.

${\displaystyle \mathbb {P} (A)}$ désigne ici la probabilité a priori de ${\displaystyle A}$, tandis que ${\displaystyle \mathbb {P} (A|B)}$ désigne la probabilité a posteriori, c'est-à-dire la probabilité conditionnelle de ${\displaystyle A}$ sachant ${\displaystyle B}$.

Soit θ un paramètre ou vecteur de paramètres inconnu considéré aléatoire :

• la loi de la variable aléatoire ${\displaystyle \theta }$ avant observation est appelée loi a priori, notée généralement ${\displaystyle \pi (\theta )}$[1]^,[2] ;

• la loi de la variable aléatoire ${\displaystyle \theta }$ après observation est appelée loi a posteriori.

Soit X une variable aléatoire dont la loi de probabilité associée dépend de ${\displaystyle \theta }$, et x l'observation.

Le théorème de Bayes s’énonce alors : ${\displaystyle \mathbb {P} (\theta |x)={\frac {\mathbb {P} (x|\theta )\cdot \mathbb {P} (\theta )}{\mathbb {P} (x)}}}$.

La probabilité a priori est ${\displaystyle \mathbb {P} (\theta )}$ et la probabilité a posteriori devient ${\displaystyle \mathbb {P} (\theta |x)}$.

La loi a priori est toujours ${\displaystyle \pi (\theta )}$ et la loi a posteriori est alors la loi de ${\displaystyle \theta }$ conditionnellement à l'observation ${\displaystyle x}$ de ${\displaystyle X}$ et s'écrit donc ${\displaystyle \pi (\theta |x)}$[1]^,[2].