Voir la source de D.06 - Capacité de discrimination

== Contexte et qualité recherchée ==

Les destinataires de nos prévisions peuvent prendre deux types de décision :
l'ajustement d'une variable continue (par exemple, le débit sortant d'un ouvrage sur une rivière, en fonction des prévisions de débit entrant) ;
un choix entre un nombre fini d'options (ce nombre étant souvent réduit à deux options comme le choix entre alerter ou ne pas lancer d'alerte).

Dans le second cas, on recherchera des prévisions permettant de bien discriminer entre les différentes situations conduisant au choix des différentes options possibles pour le décideur. Dans le cas d'une prévision probabiliste, la discrimination revient à « traduire » la densité de probabilité prévue en une information catégorielle (voire binaire : oui ou non).

'''Exemple 1.''' Le SIDPC de Mumbai a décidé de lancer systématiquement une alerte (décision binaire) si la hauteur d'eau au niveau du barrage dépasse 17 m 50 (prévision d'une catégorie). Le SPC Ulhas – Bhatsa – Barvi Rivers<ref>Ces rivières sont « géographiquement » bien réelles et la gestion du barrage se base bien sur une hauteur critique, mais les conséquences pour Mumbai sont fantaisistes , cette ville étant juchée sur des îles à l'embouchure de la rivière Ulhas.</ref> doit disposer d'un outil de prévision probabiliste à l'entrée du barrage lui permettant de discriminer entre les deux situations de dépassement ou non dépassement de ce seuil critique.

== Comment discriminer entre deux situations sur la base d'une prévision probabiliste ==

L'évaluation de la capacité de la prévision à bien discriminer entre quelques options peut se baser sur la table de contingence (exemple 2). Les défauts de discrimination peuvent conduire à l'absence d'actions qui aurait pu limiter les conséquences d'un événement (suite à un événement manqué) ou encore au lancement d'actions qui se révéleront inutiles par la suite (cas d'une fausse alerte).

'''Exemple 2.''' Table de contingence dans le cas d'une prévision de dépassement de seuil (situation binaire) :


<center>
[[File:Inc276.bmp|800px]]
</center>


Si la prévision fournie est déterministe, alors le choix est fait si la variable prévue (hauteur, débit...) dépasse un certain seuil<ref>Qui peut tenir compte d'une marge de sécurité</ref>. Si la prévision est probabiliste, il est nécessaire d'établir une règle tenant compte de l'incertitude communiquée. La question sous-jacente est de déterminer à partir de quel niveau de vraisemblance (de certitude) on peut prédire que le système étudié sera dans la situation X ou Y. Cette règle se base souvent sur la probabilité du dépassement de seuil : si elle dépasse une probabilité dite de coupure (Pc) alors la prévision catégorielle conduira à prendre les mesures correspondant à un dépassement du seuil (en hauteur ou débit ou...).

La [[D.07_-_Trouver_l'équilibre_entre_taux_de_fausses_alertes_et_taux_d'événements_manqués|fiche D.07]] explique comment l'information probabiliste peut être utilisée pour optimiser l'utilité de la prévision dans la prise de décision, en définissant la probabilité de coupure permettant d'obtenir le meilleur rapport entre taux de fausses alertes et taux d'événements manqués pour l'utilisateur.


== Évaluation de la capacité à discriminer ==

Le diagramme ROC ([[D.13_-_Diagramme_ROC|fiche D.13]]) est un moyen d'évaluer la capacité d'une prévision probabiliste à discriminer entre deux situations possibles.


'''Voir également'''

[[D.07_-_Trouver_l'équilibre_entre_taux_de_fausses_alertes_et_taux_d'événements_manqués|Fiche D.07 – Taux de fausses alertes et taux d'événements manqués : quel équilibre ?]]

[[D.13_-_Diagramme_ROC|Fiche D.13 – Diagramme ROC]]


--------------
<references>

[[Catégorie:Incertitudes]]