Probabilités et statistiques : comprendre le hasard et les données
Ce cours te donne les bases pour analyser des données et raisonner sur le hasard. Tu apprendras à calculer une probabilité, à décrire une série statistique et à éviter les pièges classiques du raisonnement. Ces outils servent en sciences, en économie et dans la vie courante, par exemple pour interpréter un sondage.
1.Situer le domaine et ses deux branches
Les probabilités et les statistiques forment deux branches liées mais différentes. La probabilité étudie le hasard avant qu'un événement se produise. Par exemple, avant de lancer un dé, tu peux calculer la chance d'obtenir un 6 : elle vaut 1/6. La statistique, elle, étudie des données déjà recueillies. Si tu lances ce dé 60 fois et que tu obtiens 12 fois un 6, tu fais de la statistique en observant ce résultat. Les deux domaines se rencontrent souvent : la théorie des probabilités permet de vérifier si les résultats statistiques observés sont cohérents avec le hasard. Un sondage électoral utilise les deux : la collecte de réponses est statistique, l'estimation de la marge d'erreur est probabiliste. Comprendre cette distinction t'aide à savoir quel outil utiliser selon la situation.
- La probabilité prédit un événement futur, la statistique décrit des données passées.
- Un dé, une pièce, un sondage illustrent ce lien entre théorie et observation.
2.Calculer une probabilité simple
Une probabilité mesure les chances qu'un événement se produise, entre 0 et 1. Zéro signifie impossible, un signifie certain. Pour un événement équiprobable, tu utilises la formule : probabilité égale nombre de cas favorables divisé par nombre de cas possibles. Exemple concret : dans un jeu de 32 cartes, tu veux tirer un roi. Il y a 4 rois sur 32 cartes, donc la probabilité vaut 4/32, soit 0,125. Cela signifie 12,5 % de chances. Tu peux aussi combiner des événements avec les opérations d'union et d'intersection. Si tu veux la probabilité de tirer un roi ou un cœur, tu additionnes les probabilités et tu retires celle de l'événement commun, le roi de cœur, pour ne pas le compter deux fois. Cette logique s'appelle le principe d'inclusion-exclusion, utile dès que deux événements se chevauchent.
- Probabilité = cas favorables / cas possibles, toujours entre 0 et 1.
- Pour deux événements liés, retire l'intersection pour éviter un double comptage.
3.Décrire une série statistique avec des indicateurs
Quand tu as une série de données, tu résumes son comportement avec quelques nombres clés. La moyenne additionne toutes les valeurs et divise par leur nombre : elle donne une tendance centrale. Exemple : les notes 8, 12, 14, 16 ont une moyenne de 12,5. La médiane sépare la série en deux parties égales ; elle résiste mieux aux valeurs extrêmes. L'écart-type mesure la dispersion des valeurs autour de la moyenne. Un écart-type faible signifie des données regroupées, un écart-type élevé signifie des données dispersées. Par exemple, deux classes peuvent avoir la même moyenne de 12, mais l'une avec des notes entre 10 et 14, l'autre entre 2 et 20 : leurs écarts-types diffèrent fortement. Ces indicateurs te permettent de comparer des groupes sans regarder toutes les valeurs une par une.
- La moyenne donne une tendance centrale, la médiane résiste aux valeurs extrêmes.
- L'écart-type mesure la dispersion : plus il est grand, plus les données varient.
4.Comprendre les variables aléatoires et leur loi
Une variable aléatoire associe un nombre à chaque résultat possible d'une expérience liée au hasard. Par exemple, si tu lances deux pièces, la variable aléatoire peut compter le nombre de faces obtenues : 0, 1 ou 2. La loi de probabilité de cette variable indique la probabilité de chaque valeur possible. Ici, tu obtiens 0 face avec probabilité 0,25, une face avec probabilité 0,5, deux faces avec probabilité 0,25. Cette loi permet de calculer l'espérance, qui représente la valeur moyenne attendue si tu répètes l'expérience un grand nombre de fois. Dans cet exemple, l'espérance vaut 1 face en moyenne. Les lois usuelles, comme la loi binomiale, modélisent des situations répétées, comme compter le nombre de succès sur plusieurs essais identiques, par exemple 10 lancers de pièce.
- Une variable aléatoire transforme un résultat de hasard en nombre.
- L'espérance donne la valeur moyenne attendue sur un grand nombre de répétitions.
5.Utiliser l'échantillonnage pour estimer une population
Il est souvent impossible d'observer toute une population, alors tu prélèves un échantillon, c'est-à-dire un sous-ensemble représentatif. Par exemple, pour connaître l'avis des Français sur un sujet, un institut interroge 1000 personnes plutôt que 68 millions. La qualité de l'estimation dépend de la taille de l'échantillon et de la façon dont il est choisi. Un échantillon aléatoire simple donne à chaque individu la même chance d'être sélectionné, ce qui limite les biais. Le théorème central limite explique pourquoi, avec un échantillon suffisamment grand, la moyenne observée se rapproche de la moyenne réelle de la population, et pourquoi sa distribution devient proche d'une loi normale. C'est ce théorème qui justifie le calcul d'intervalles de confiance, une fourchette de valeurs probables pour un paramètre inconnu, comme une proportion d'électeurs.
- Un échantillon aléatoire limite les biais et représente mieux la population.
- Le théorème central limite justifie l'usage des intervalles de confiance.
6.Éviter les erreurs classiques et réussir l'examen
Plusieurs erreurs reviennent souvent. Confondre probabilité et certitude : une probabilité de 90 % laisse encore 10 % de chances d'échec. Oublier de vérifier l'indépendance des événements avant de multiplier leurs probabilités, alors que cette règle ne s'applique que si les événements n'influencent pas l'un l'autre. Confondre corrélation et causalité en statistique : deux variables qui évoluent ensemble ne signifient pas que l'une cause l'autre, par exemple les ventes de glaces et les noyades augmentent toutes deux l'été à cause de la chaleur, sans lien de cause direct entre elles. À l'examen, les exercices demandent souvent de construire un arbre de probabilité, de calculer une espérance, ou d'interpréter un intervalle de confiance. Relis toujours l'énoncé pour repérer si les événements sont indépendants, incompatibles, ou conditionnés par un autre événement, car cela change complètement la méthode de calcul.
- Ne multiplie les probabilités que si les événements sont indépendants.
- Corrélation ne signifie pas causalité, même avec des données bien mesurées.
À retenir
- 1La probabilité anticipe le hasard, la statistique décrit des données déjà observées.
- 2Une probabilité se calcule toujours entre 0 et 1, jamais en dehors de cet intervalle.
- 3La moyenne, la médiane et l'écart-type résument une série de données sans tout lister.
- 4L'échantillonnage aléatoire permet d'estimer une population entière à partir d'un petit groupe.
- 5Vérifie toujours l'indépendance des événements avant d'appliquer une règle de multiplication.
Dix questions sur ce sujet démarrent tout de suite, corrigées et expliquées.
L'essentiel en six phrases, à relire la veille.
Cours rédigé par intelligence artificielle et relu au fil des retours. Pour un examen officiel, garde tes cours et les textes en vigueur comme référence.