Liasse v2-021 à v2-030

INSTRUCTIONS AU MODÈLE - Répondre sans outil externe ni Internet. - Pour chaque question, fournir la réponse, une justification suffisante et une confiance de 0 à 100 %. - Ne jamais inventer une donnée, une référence, un DOI ou un résultat absent. - Signaler explicitement les prémisses fausses, les informations insuffisantes et les cas indéterminables. - Vérifier numériquement ou symboliquement les contre-exemples proposés. - Chaque question est indépendante, sauf indication explicite contraire. Q021 — Les prémisses P→Q, ¬Q∨R, ¬R impliquent-elles ¬P ? Donner une dérivation ou un contre-modèle.

Réponse : Oui, les prémisses P→Q, ¬Q∨R et ¬R impliquent bien ¬P. Justification : La validité de cette implication se démontre par une dérivation formelle en logique propositionnelle. 1. P→Q (Prémisse) 2. ¬Q∨R (Prémisse) 3. ¬R (Prémisse) 4. ¬Q (Obtenu par syllogisme disjonctif à partir des lignes 2 et 3 : si une disjonction est vraie et qu'un de ses disjoints est faux, l'autre doit être vrai. R étant faux, ¬Q est nécessairement vrai.) 5. ¬P (Obtenu par modus tollens à partir des lignes 1 et 4 : si P implique Q et que Q est faux, alors P est nécessairement faux.) La conclusion ¬P est donc logiquement déduite des prémisses. Aucun contre-modèle n'existe, car il est impossible d'attribuer des valeurs de vérité aux variables propositionnelles telles que les trois prémisses soient simultanément vraies tandis que la conclusion soit fausse. Une vérification par table de vérité confirme ce résultat : la seule ligne où les trois prémisses sont vraies correspond à P faux, Q faux et R faux, ce qui rend ¬P vrai dans cette même configuration. Les prémisses ne sont pas fausses a priori ; elles constituent simplement les hypothèses de départ de l'implication, qui se révèle valide. Confiance : 100 %.

INSTRUCTIONS AU MODÈLE - Répondre sans outil externe ni Internet. - Pour chaque question, fournir la réponse, une justification suffisante et une confiance de 0 à 100 %. - Ne jamais inventer une donnée, une référence, un DOI ou un résultat absent. - Signaler explicitement les prémisses fausses, les informations insuffisantes et les cas indéterminables. - Vérifier numériquement ou symboliquement les contre-exemples proposés. - Chaque question est indépendante, sauf indication explicite contraire. Q022 — Déterminer si [(P→Q)∧(Q→R)]→(P→R) est une tautologie.

Réponse : Oui, la formule [(P→Q)∧(Q→R)]→(P→R) est une tautologie. Justification : Cette formule exprime la transitivité de l'implication, connue sous le nom de syllogisme hypothétique en logique classique. Pour vérifier son statut, on examine systématiquement les cas de figure possibles. L'antécédent [(P→Q)∧(Q→R)] n'est vrai que lorsque P→Q et Q→R sont simultanément vrais. Dans cette configuration, si P est vraie, Q doit être vraie (par P→Q), et si Q est vraie, R doit être vraie (par Q→R). Par transitivité, P implique donc nécessairement R, ce qui rend le conséquent P→R vrai. Ainsi, chaque fois que l'antécédent est vrai, le conséquent l'est aussi. Lorsque l'antécédent est faux, l'implication globale est trivialement vraie par la définition sémantique de l'implication matérielle. Aucun contre-exemple n'est constructible, car il n'existe aucune affectation de vérité pour laquelle l'antécédent soit vrai et le conséquent faux. La vérification symbolique confirme que la formule est toujours évaluée à vrai sur tous les modèles possibles. Confiance : 100 %

INSTRUCTIONS AU MODÈLE - Répondre sans outil externe ni Internet. - Pour chaque question, fournir la réponse, une justification suffisante et une confiance de 0 à 100 %. - Ne jamais inventer une donnée, une référence, un DOI ou un résultat absent. - Signaler explicitement les prémisses fausses, les informations insuffisantes et les cas indéterminables. - Vérifier numériquement ou symboliquement les contre-exemples proposés. - Chaque question est indépendante, sauf indication explicite contraire. Q023 — En logique classique, P→Q est-il logiquement équivalent à ¬P∨Q ? Justifier.

Réponse : Oui. Justification : En logique propositionnelle classique, l'implication matérielle P→Q est logiquement équivalente à la disjonction ¬P∨Q. Cette équivalence se vérifie rigoureusement par un tableau de vérité exhaustif. Pour les quatre combinaisons possibles de valeurs de vérité de P et Q, les deux formules produisent systématiquement le même résultat : - P vrai, Q vrai : P→Q vaut vrai et ¬P∨Q vaut vrai. - P vrai, Q faux : P→Q vaut faux et ¬P∨Q vaut faux. - P faux, Q vrai : P→Q vaut vrai et ¬P∨Q vaut vrai. - P faux, Q faux : P→Q vaut vrai et ¬P∨Q vaut vrai. Puisque les colonnes de vérité sont strictement identiques pour toutes les valuations possibles, il n'existe aucun contre-exemple. L'équivalence (P→Q) ≡ (¬P∨Q) est un théorème fondamental de la logique classique, découlant directement de la définition de l'implication matérielle et des lois de De Morgan appliquées à la négation de l'implication. Les prémisses de la question sont exactes et les informations fournies sont pleinement suffisantes pour établir la conclusion. Confiance : 100 %

INSTRUCTIONS AU MODÈLE - Répondre sans outil externe ni Internet. - Pour chaque question, fournir la réponse, une justification suffisante et une confiance de 0 à 100 %. - Ne jamais inventer une donnée, une référence, un DOI ou un résultat absent. - Signaler explicitement les prémisses fausses, les informations insuffisantes et les cas indéterminables. - Vérifier numériquement ou symboliquement les contre-exemples proposés. - Chaque question est indépendante, sauf indication explicite contraire. Q024 — Une boîte contient 3 pièces : deux équilibrées et une à deux faces. Une pièce est choisie uniformément et donne pile. Quelle est la probabilité d’avoir choisi la pièce à deux faces ?

**Réponse** La probabilité recherchée est de 1/2 (soit 50 %). **Justification** On modélise le problème à l'aide des événements suivants : - $C_F$ : la pièce choisie est une pièce équilibrée. - $C_D$ : la pièce choisie est la pièce à deux faces. - $P$ : l'observation du résultat « pile ». Les probabilités a priori sont déterminées par le tirage uniforme parmi trois pièces : $P(C_F) = \frac{2}{3}$ et $P(C_D) = \frac{1}{3}$. Pour les pièces équilibrées, la probabilité d'obtenir « pile » est par définition : $P(P \mid C_F) = \frac{1}{2}$. Pour la pièce à deux faces, le résultat est systématiquement identique. L'énoncé précisant que le tirage a donné « pile », on en déduit que cette pièce produit « pile » avec une probabilité de 1 : $P(P \mid C_D) = 1$. On calcule la probabilité totale d'observer « pile » grâce à la formule des probabilités totales : $P(P) = P(P \mid C_F)P(C_F) + P(P \mid C_D)P(C_D)$ $P(P) = \left(\frac{1}{2} \times \frac{2}{3}\right) + \left(1 \times \frac{1}{3}\right) = \frac{1}{3} + \frac{1}{3} = \frac{2}{3}$. On applique ensuite le théorème de Bayes pour obtenir la probabilité a posteriori d'avoir choisi la pièce à deux faces sachant que « pile » est apparu : $P(C_D \mid P) = \frac{P(P \mid C_D)P(C_D)}{P(P)} = \frac{1 \times \frac{1}{3}}{\frac{2}{3}} = \frac{1}{2}$. **Remarques sur les prémisses et limites** L'expression « pièce à deux faces » est techniquement ambiguë en français courant (elle pourrait désigner une pièce standard à une face et une autre face). Dans le contexte des exercices de probabilités classiques, elle désigne une pièce truquée dont les deux faces sont identiques. J'ai explicitement admis la prémisse que cette pièce produit systématiquement « pile ». Si les deux faces étaient « face », la probabilité conditionnelle $P(P \mid C_D)$ serait nulle, rendant l'événement « pile » impossible sous $C_D$ et l'énoncé incohérent. Sous l'interprétation standard validée ci-dessus, le raisonnement est rigoureux et les calculs sont exacts. **Confiance** 100 %

INSTRUCTIONS AU MODÈLE - Répondre sans outil externe ni Internet. - Pour chaque question, fournir la réponse, une justification suffisante et une confiance de 0 à 100 %. - Ne jamais inventer une donnée, une référence, un DOI ou un résultat absent. - Signaler explicitement les prémisses fausses, les informations insuffisantes et les cas indéterminables. - Vérifier numériquement ou symboliquement les contre-exemples proposés. - Chaque question est indépendante, sauf indication explicite contraire. Q025 — X et Y sont indépendantes, E[X]=2, E[Y]=-3, avec espérances finies. Calculer E[XY].

**Réponse** : -6 **Justification** : En théorie des probabilités, l'indépendance entre deux variables aléatoires réelles implique la multiplicativité de l'espérance dès lors que les espérances sont finies. Plus précisément, si X et Y sont indépendantes et que E[X] et E[Y] existent, alors on a nécessairement E[XY] = E[X] × E[Y]. En substituant les valeurs fournies par l'énoncé, on obtient E[XY] = 2 × (-3) = -6. Les prémisses sont correctes, les informations sont complètes et le résultat est déterminable de manière unique. Aucun cas d'insuffisance d'information ou d'indétermination ne se présente ici. **Confiance** : 100 %

INSTRUCTIONS AU MODÈLE - Répondre sans outil externe ni Internet. - Pour chaque question, fournir la réponse, une justification suffisante et une confiance de 0 à 100 %. - Ne jamais inventer une donnée, une référence, un DOI ou un résultat absent. - Signaler explicitement les prémisses fausses, les informations insuffisantes et les cas indéterminables. - Vérifier numériquement ou symboliquement les contre-exemples proposés. - Chaque question est indépendante, sauf indication explicite contraire. Q026 — Si P(A)=0.4, P(B)=0.5 et P(A∩B)=0.2, A et B sont-ils indépendants ?

**Réponse :** Oui, les événements A et B sont indépendants. **Justification :** En théorie des probabilités, deux événements A et B sont indépendants si et seulement si la probabilité de leur intersection est égale au produit de leurs probabilités marginales, soit P(A ∩ B) = P(A) × P(B). En appliquant cette définition aux données fournies, on calcule P(A) × P(B) = 0,4 × 0,5 = 0,2. Ce résultat correspond strictement à la valeur indiquée pour P(A ∩ B), à savoir 0,2. L'égalité étant vérifiée, la condition d'indépendance est satisfaite. Aucune prémisse n'est fausse, les informations sont complètes et le cas est déterminable. **Confiance :** 100 %.

INSTRUCTIONS AU MODÈLE - Répondre sans outil externe ni Internet. - Pour chaque question, fournir la réponse, une justification suffisante et une confiance de 0 à 100 %. - Ne jamais inventer une donnée, une référence, un DOI ou un résultat absent. - Signaler explicitement les prémisses fausses, les informations insuffisantes et les cas indéterminables. - Vérifier numériquement ou symboliquement les contre-exemples proposés. - Chaque question est indépendante, sauf indication explicite contraire. Q027 — Une variable aléatoire a variance nulle. Que peut-on conclure, et sous quel sens probabiliste ?

**Réponse :** On peut conclure que la variable aléatoire est constante presque sûrement. **Justification :** Soit $X$ une variable aléatoire réelle à espérance finie. Par définition, sa variance s'écrit $\text{Var}(X) = \mathbb{E}[(X - \mathbb{E}[X])^2]$. L'hypothèse $\text{Var}(X) = 0$ implique que l'espérance d'une variable aléatoire positive ou nulle, à savoir $Y = (X - \mathbb{E}[X])^2$, est strictement nulle. Une propriété fondamentale de l'intégrale de Lebesgue (qui sous-tend la notion d'espérance probabiliste) affirme qu'une variable aléatoire positive ou nulle d'espérance nulle est nulle presque sûrement. Ainsi, $P(Y = 0) = 1$, ce qui équivaut à $P(X = \mathbb{E}[X]) = 1$. La variable $X$ prend donc une valeur constante presque sûrement. Sous le sens probabiliste, ce résultat s'interprète dans le cadre de la théorie de la mesure : l'égalité de variance nulle ne garantit pas une égalité ponctuelle pour tous les états de l'espace d'échantillonnage, mais une égalité à un ensemble négligeable de mesure nulle près. Dans l'espace $L^2(\Omega, \mathcal{F}, P)$, la classe d'équivalence de $X$ est réduite à la constante $\mathbb{E}[X]$. La loi de probabilité de $X$ est nécessairement une mesure de Dirac $\delta_{\mathbb{E}[X]}$, ce qui signifie que $X$ ne fluctue pas et se comporte comme une constante déterministe à un ensemble de probabilité nulle près. **Confiance :** 100 %.

INSTRUCTIONS AU MODÈLE - Répondre sans outil externe ni Internet. - Pour chaque question, fournir la réponse, une justification suffisante et une confiance de 0 à 100 %. - Ne jamais inventer une donnée, une référence, un DOI ou un résultat absent. - Signaler explicitement les prémisses fausses, les informations insuffisantes et les cas indéterminables. - Vérifier numériquement ou symboliquement les contre-exemples proposés. - Chaque question est indépendante, sauf indication explicite contraire. Q028 — Une étude observationnelle trouve RR=2 entre exposition E et maladie M. Peut-on conclure que E double causalement le risque ? Expliquer.

Réponse : Non, on ne peut pas conclure à un effet causal. Justification : Un risque relatif égal à 2 dans une étude observationnelle reflète une association statistique entre l'exposition E et la maladie M, mais cette association ne peut pas être interprétée comme une relation causale sans vérifications méthodologiques rigoureuses. L'absence de randomisation signifie que les individus exposés et non exposés ne sont pas attribués de manière aléatoire. Ils diffèrent donc souvent par des caractéristiques supplémentaires qui influencent le risque de maladie. Si ces caractéristiques constituent des facteurs de confusion et ne sont pas correctement mesurés ou ajustés, l'estimation du risque relatif est biaisée. Des biais systématiques peuvent également fausser le résultat. Un biais de sélection peut rendre les groupes non comparables au départ. Un biais de mesure ou d'information peut surestimer ou sous estimer l'exposition ou la survenue de la maladie. Le hasard représente une troisième source de variation, particulièrement si l'intervalle de confiance autour du risque relatif inclut 1 ou si la taille de l'échantillon est faible. Enfin, l'inférence causale exige le respect de critères épidémiologiques supplémentaires, tels que la temporalité stricte, la plausibilité biologique, la cohérence avec d'autres recherches, la spécificité, un gradient dose réponse et, si possible, des designs expérimentaux ou quasi expérimentaux. Sans ces éléments, l'association reste strictement statistique et ne peut servir de base à une conclusion causale. Prémisses et limites : - Prémisses fausses : l'idée qu'un risque relatif de 2 dans une étude observationnelle implique automatiquement un doublement causal du risque. - Informations insuffisantes : données manquantes sur les facteurs de confusion contrôlés, les méthodes de prévention des biais, l'intervalle de confiance du risque relatif, la taille de l'échantillon, la nature précise de l'exposition et de la maladie, et la cohérence avec la littérature existante. - Cas indéterminables : il est impossible de trancher sur le caractère causal ou non de l'association sans accès à la méthodologie complète de l'étude, aux analyses de sensibilité et à des designs de recherche plus robustes. Confiance : 95 %.

INSTRUCTIONS AU MODÈLE - Répondre sans outil externe ni Internet. - Pour chaque question, fournir la réponse, une justification suffisante et une confiance de 0 à 100 %. - Ne jamais inventer une donnée, une référence, un DOI ou un résultat absent. - Signaler explicitement les prémisses fausses, les informations insuffisantes et les cas indéterminables. - Vérifier numériquement ou symboliquement les contre-exemples proposés. - Chaque question est indépendante, sauf indication explicite contraire. Q029 — Un intervalle de confiance fréquentiste à 95 % signifie-t-il qu’après observation il y a 95 % de probabilité que le paramètre fixe soit dans cet intervalle ?

Réponse : Non. Justification : La prémisse sous-jacente à la question est fausse. Dans l’interprétation fréquentiste, le paramètre populationnel est une constante fixe et inconnue, tandis que l’intervalle de confiance est une variable aléatoire dont les bornes dépendent de l’échantillon observé. Une fois l’observation effectuée et les bornes calculées, l’intervalle devient un segment numérique fixe. Le paramètre vrai est soit strictement inclus, soit strictement exclu de ce segment précis. Il n’existe donc pas de probabilité de 95 % attachée à cette réalisation particulière. La valeur de 95 % caractérise uniquement la performance de la procédure de construction avant l’observation : elle correspond à la fréquence de couverture asymptotique, c’est-à-dire la proportion d’intervalles qui contiendraient le paramètre si l’expérience était reproduite un nombre infini de fois avec des échantillons indépendants. Confondre la probabilité de couverture de la méthode avec la probabilité postérieure que le paramètre se trouve dans l’intervalle obtenu constitue une erreur interprétative fondamentale en statistique fréquentiste. Confiance : 100 %

INSTRUCTIONS AU MODÈLE - Répondre sans outil externe ni Internet. - Pour chaque question, fournir la réponse, une justification suffisante et une confiance de 0 à 100 %. - Ne jamais inventer une donnée, une référence, un DOI ou un résultat absent. - Signaler explicitement les prémisses fausses, les informations insuffisantes et les cas indéterminables. - Vérifier numériquement ou symboliquement les contre-exemples proposés. - Chaque question est indépendante, sauf indication explicite contraire. Q030 — Un classifieur donne précision=1 et rappel=0.1 sur la classe positive. Peut-il néanmoins avoir une forte accuracy ? Construire un exemple.

**Réponse :** Oui, il est tout à fait possible qu'un classifieur affiche une précision de 1 et un rappel de 0,1 tout en présentant une accuracy élevée. **Justification :** Définissons les quatre cellules de la matrice de confusion pour la classe positive : - TP : vrais positifs - FP : faux positifs - FN : faux négatifs - TN : vrais négatifs Les métriques données s'écrivent : - Précision = TP / (TP + FP) = 1 ⟹ FP = 0 - Rappel = TP / (TP + FN) = 0,1 ⟹ TP = 0,1 × (TP + FN) ⟹ 0,9 × TP = 0,1 × FN ⟹ FN = 9 × TP L'accuracy se définit par : Accuracy = (TP + TN) / (TP + TN + FP + FN) En substituant FP = 0 et FN = 9 × TP, on obtient : Accuracy = (TP + TN) / (TP + TN + 9 × TP) = (TP + TN) / (10 × TP + TN) Cette équation montre que l'accuracy croît lorsque TN augmente par rapport à TP. Dans un jeu de données fortement déséquilibré vers la classe négative, le nombre de vrais négatifs compense les faux négatifs, maintenant l'accuracy à un niveau élevé malgré un rappel faible. **Exemple numérique vérifié :** Posons TP = 1. Alors FP = 0 et FN = 9. Choisissons TN = 90. - Précision = 1 / (1 + 0) = 1 - Rappel = 1 / (1 + 9) = 0,1 - Accuracy = (1 + 90) / (1 + 90 + 0 + 9) = 91 / 100 = 0,91 (91 %) L'accuracy est donc de 91 %, ce qui constitue une valeur élevée, tout en respectant strictement les contraintes de précision et de rappel. **Confiance :** 100 %