Dans la vie de tous les jours, nous sommes confrontés à l’intervention du hasard :
nous ne mettons pas toujours le même temps entre notre domicile et notre lieu de travail ;
un gros fumeur développera ou ne développera pas un cancer ;
la pêche n’est pas toujours bonne.
De tels phénomènes sont dits aléatoires, ou stochastiques. Les quantifier conduit naturellement à utiliser la théorie des probabilités.
Dans l’exemple du tabagisme, imaginons que le médecin n’ait pas confiance dans les déclarations de son patient quant à sa consommation de cigarettes. Il décide de doser le taux de nicotine sanguin par le laboratoire d’analyse médicale. La théorie des probabilités nous propose des outils pour quantifier le lien stochastique entre le nombre de cigarettes par jour et le taux de nicotine.
A partir de ce taux de nicotine, on sera capable d’estimer le nombre de cigarettes quotidiennes. La théorie de l’estimation nous propose plusieurs solutions :
la plus vraisemblable ;
la plus probable ;
la valeur moyenne.
Ces notions qui semblent analogues ont des significations bien différentes en théorie de l’estimation. On distinguera l’estimation classique de l’estimation dite bayésienne.
À la fin de ce cours, vous serez capable de :
vous aurez compris qu’il n’existe pas d’algorithme magique qui permettrait de résoudre les problèmes tels que ceux évoqués ci-dessous ;
vous saurez interroger le spécialiste du domaine traité pour élaborer un modèle liant les grandeurs à estimer aux grandeurs observées ;
vous saurez développer un algorithme d’estimation permettant de reconstruire les grandeurs à estimer à partir des grandeurs observées.