Taux de base - Base rate
Dans les probabilités et les statistiques , le taux de base fait généralement référence aux probabilités de classe (de base) non conditionnées sur des preuves caractéristiques, souvent également appelées probabilités antérieures . Par exemple, si 1% du public était des «professionnels de la santé» et 99% du public n'étaient pas des «professionnels de la santé», alors le taux de base des professionnels de la santé serait simplement de 1%.
Dans les sciences , y compris la médecine , le taux de base est essentiel pour la comparaison. Au premier abord, il peut sembler impressionnant que 1000 personnes surmontent leur froid hivernal en utilisant le `` Traitement X '', jusqu'à ce que nous examinions l'ensemble de la population du `` Traitement X '' et constations que le taux de réussite de base n'est que de 1/100 (soit 100000 personnes traitement, mais les 99 000 autres personnes n'ont jamais vraiment vaincu leur froid hivernal). L'efficacité du traitement est plus claire lorsque de telles informations sur le taux de base (c'est-à-dire «1 000 personnes ... sur combien?») Sont disponibles. Notez que les contrôles peuvent également offrir des informations supplémentaires pour la comparaison; peut-être que les groupes témoins , qui n'utilisaient aucun traitement du tout, avaient leur propre taux de réussite de base de 5/100. Les contrôles indiquent donc que le «traitement X» aggrave les choses, malgré cette fière revendication initiale d'environ 1 000 personnes.
La méthode normative pour intégrer les taux de base ( probabilités a priori ) et les preuves fonctionnelles ( probabilités ) est donnée par la règle de Bayes .
L'erreur du taux de base
Un grand nombre d'études psychologiques ont examiné un phénomène appelé négligence du taux de base ou erreur du taux de base dans lequel les taux de base des catégories ne sont pas intégrés aux preuves caractéristiques de manière normative. Le mathématicien Keith Devlin fournit une illustration des risques de ceci: il nous demande d'imaginer qu'il existe un type de cancer qui touche 1% de toutes les personnes. Un médecin dit alors qu'il existe un test pour ce cancer qui est fiable à environ 80% . Il dit également que le test fournit un résultat positif pour 100% des personnes atteintes du cancer, mais qu'il aboutit également à un `` faux positif '' pour 20% des personnes - qui n'ont pas le cancer. Maintenant, si nous testons positif, nous pourrions être tentés de penser qu'il est 80% probable que nous ayons le cancer. Devlin explique qu'en fait, nos chances sont inférieures à 5%. Ce qui manque dans le fouillis des statistiques, ce sont les informations de taux de base les plus pertinentes. Nous devrions demander au médecin: "Sur le nombre de personnes dont le test est positif (c'est le groupe de taux de base qui nous tient à cœur), combien ont le cancer?" En évaluant la probabilité qu'un individu donné soit membre d'une classe particulière, nous devons tenir compte d'autres informations en plus du taux de base. En particulier, nous devons tenir compte des preuves caractéristiques. Par exemple, lorsque nous voyons une personne portant une blouse blanche et un stéthoscope et prescrire des médicaments, nous avons des preuves qui peuvent nous permettre de conclure que la probabilité que cette personne en particulier soit un «professionnel de la santé» est considérablement plus élevée que le taux de base de la catégorie. de 1%.