Statistiques et probabilités conditionnelles

La statistique est une science qui permet de collecter, organiser, analyser, interpréter et présenter des données. Elle nous aide à tirer des conclusions sur un grand groupe à partir de l'étude d'une partie de ce groupe.

• Population et échantillon :
  • La population est l'ensemble de tous les individus (personnes, objets, événements...) que l'on étudie. Par exemple, tous les élèves de 4ème en France.
  • L'échantillon est une partie représentative de la population que l'on va réellement étudier. Si on interroge 100 élèves de 4ème, c'est un échantillon.
• Caractère statistique : C'est la propriété que l'on étudie sur les individus de la population.
  • Qualitatif : Ne peut pas être mesuré par un nombre (ex: couleur des yeux, sport préféré).
  • Quantitatif : Peut être mesuré par un nombre (ex: taille, âge, nombre de frères et sœurs). Il peut être discret (valeurs isolées comme le nombre d'enfants) ou continu (peut prendre n'importe quelle valeur dans un intervalle comme la taille).

Pour étudier des données, il faut d'abord les obtenir et les ranger !

• Sondage et recensement :
  • Un recensement étudie toute la population (ex: le recensement de la population tous les 10 ans).
  • Un sondage étudie un échantillon de la population.
• Tableaux de données : C'est la manière la plus courante d'organiser les données. Ils permettent de voir les effectifs (le nombre de fois qu'une valeur apparaît) et les fréquences (la proportion de fois qu'une valeur apparaît).
  • L'effectif est le nombre d'individus qui présentent une certaine modalité (valeur) du caractère étudié.
  • La fréquence est l'effectif d'une modalité divisé par l'effectif total. Elle peut être exprimée en fraction, en nombre décimal ou en pourcentage.
• Séries statistiques : C'est la liste des données brutes ou organisées.

Les graphiques sont très utiles pour visualiser rapidement les données et en tirer des premières conclusions.

• Diagrammes en bâtons : Utilisés pour les caractères qualitatifs ou quantitatifs discrets. Chaque bâton représente une modalité et sa hauteur l'effectif ou la fréquence.
• Diagrammes circulaires (ou "camemberts") : Utilisés pour représenter la répartition de l'ensemble des données. Chaque "part de gâteau" correspond à une proportion des données. L'angle d'une part est proportionnel à sa fréquence ($fréquence \times 360°$).
• Histogrammes : Introduction pour les caractères quantitatifs continus regroupés en classes. Ce sont des rectangles contigus dont l'aire représente l'effectif ou la fréquence de la classe.

La moyenne arithmétique est l'indicateur de position le plus courant. Elle donne une valeur "centrale" de la série.

• Calcul de la moyenne simple : On additionne toutes les valeurs et on divise par le nombre de valeurs.
  • Exemple : Notes (10, 12, 8, 14). Moyenne = $\frac{10+12+8+14}{4} = \frac{44}{4} = 11$.
• Calcul de la moyenne pondérée : Quand les valeurs ont des "poids" différents (effectifs). On multiplie chaque valeur par son effectif, on additionne les produits, puis on divise par l'effectif total.
  • Formule : $\bar{x} = \frac{\sum (x_i \times n_i)}{\sum n_i}$
• Interprétation de la moyenne : Elle représente la valeur qu'aurait chaque individu si le total était réparti également. Attention, la moyenne est sensible aux valeurs extrêmes !

La médiane est la valeur qui partage la série statistique en deux groupes de même taille, une fois que la série est classée par ordre croissant.

• Définition de la médiane : C'est la valeur centrale qui sépare la série en deux moitiés égales.
• Calcul de la médiane pour une série impaire : On classe les valeurs par ordre croissant. La médiane est la valeur du milieu.
  • Exemple : 5, 8, 10, 12, 15. La médiane est 10 (il y a 2 valeurs avant et 2 après).
• Calcul de la médiane pour une série paire : On classe les valeurs par ordre croissant. La médiane est la moyenne des deux valeurs centrales.
  • Exemple : 5, 8, 10, 12, 15, 18. Les valeurs centrales sont 10 et 12. La médiane est $\frac{10+12}{2} = 11$.
  • La médiane est moins sensible aux valeurs extrêmes que la moyenne.

Le mode est la valeur qui apparaît le plus souvent dans une série statistique.

• Définition du mode : C'est la valeur ayant le plus grand effectif.
• Identification du mode : On le trouve en regardant la valeur la plus fréquente dans un tableau ou le bâton le plus haut dans un diagramme en bâtons.
• Séries multimodales : Une série peut avoir plusieurs modes si plusieurs valeurs ont le même effectif maximal.

L'étendue est un indicateur de dispersion qui mesure l'écart entre la valeur la plus grande et la valeur la plus petite d'une série.

• Définition de l'étendue : C'est la différence entre la valeur maximale et la valeur minimale d'une série.
• Calcul de l'étendue : Étendue = Valeur maximale - Valeur minimale.
  • Exemple : Notes (8, 10, 12, 14, 15). Étendue = $15 - 8 = 7$.
• Interprétation de l'étendue : Elle donne une idée de la "largeur" de la série. Une petite étendue signifie que les valeurs sont regroupées, une grande étendue qu'elles sont dispersées.

• Expérience aléatoire : Une expérience dont on ne peut pas prévoir le résultat avec certitude, mais dont on connaît tous les résultats possibles (ex: lancer un dé, tirer une carte).
• Événement : Un ensemble de résultats possibles d'une expérience aléatoire.
  • Événement certain : Il se réalise toujours (ex: obtenir un nombre inférieur à 7 en lançant un dé). Sa probabilité est 1.
  • Événement impossible : Il ne se réalise jamais (ex: obtenir un 7 en lançant un dé). Sa probabilité est 0.
  • Événement élémentaire : Il ne contient qu'un seul résultat possible (ex: obtenir un 3 en lançant un dé).
• Univers des possibles ($\Omega$) : L'ensemble de tous les résultats possibles d'une expérience aléatoire.
  • Exemple : Lancer un dé à 6 faces, $\Omega = \{1, 2, 3, 4, 5, 6\}$.

• Définition de la probabilité : La probabilité d'un événement est une mesure de sa chance de se produire.
• Formule P(A) = nombre de cas favorables / nombre de cas possibles : C'est la formule clé pour calculer une probabilité quand tous les résultats ont la même chance de se produire (équiprobabilité).
  • Exemple : Probabilité d'obtenir un nombre pair en lançant un dé : Cas favorables = {2, 4, 6} (3 cas). Cas possibles = {1, 2, 3, 4, 5, 6} (6 cas). P(pair) = $\frac{3}{6} = \frac{1}{2} = 0,5$.
• Propriétés des probabilités :
  • Une probabilité est toujours un nombre compris entre 0 et 1 (ou entre 0% et 100%).
  • La somme des probabilités de tous les événements élémentaires est égale à 1.

• Définition de l'événement contraire : L'événement contraire d'un événement A (noté $\bar{A}$ ou $A^c$) est l'événement qui se réalise lorsque A ne se réalise pas.
• Calcul de P(non A) : $P(\bar{A}) = 1 - P(A)$.
  • Exemple : Si P(obtenir un 6) = $\frac{1}{6}$, alors P(ne pas obtenir un 6) = $1 - \frac{1}{6} = \frac{5}{6}$.
• Définition d'événements incompatibles : Deux événements sont incompatibles (ou mutuellement exclusifs) s'ils ne peuvent pas se produire en même temps. Leur intersection est vide.
  • Exemple : Obtenir un nombre pair et obtenir un nombre impair en un seul lancer de dé sont des événements incompatibles. Si A et B sont incompatibles, $P(A \text{ ou } B) = P(A) + P(B)$.

• Dépendance entre événements : Parfois, la réalisation d'un événement influence la probabilité qu'un autre événement se produise.
• Influence d'une information supplémentaire : Une probabilité conditionnelle est la probabilité qu'un événement se réalise sachant qu'un autre événement s'est déjà réalisé.
• Exemples concrets :
  • Quelle est la probabilité qu'un élève soit une fille sachant qu'elle aime les maths ?
  • Quelle est la probabilité qu'il pleuve sachant que le ciel est couvert ?
  • La condition réduit l'univers des possibles à considérer.

• Introduction à P(A|B) : Se lit "probabilité de A sachant B". C'est la probabilité que l'événement A se réalise, sachant que l'événement B s'est déjà réalisé.
  • Formule (intuitive au niveau 4ème) : $P(A|B) = \frac{\text{Nombre de cas où A et B se réalisent}}{\text{Nombre de cas où B se réalise}}$.
• Utilisation de tableaux à double entrée : Ces tableaux croisent les informations de deux caractères et sont parfaits pour calculer des probabilités conditionnelles.
  • Exemple : Dans une classe, il y a 10 garçons dont 3 aiment le foot, et 15 filles dont 7 aiment le foot.
    • Probabilité qu'un élève aime le foot sachant que c'est un garçon : $\frac{3}{10}$.
• Arbres de probabilités (simples) : Permettent de visualiser les enchaînements d'événements et de calculer des probabilités conditionnelles. On multiplie les probabilités le long des branches.

• Définition de l'indépendance : Deux événements A et B sont indépendants si la réalisation de l'un n'influence pas la probabilité de l'autre.
  • Si A et B sont indépendants, alors $P(A|B) = P(A)$ (savoir que B s'est produit ne change rien à la probabilité de A).
• Vérification de l'indépendance : On vérifie si $P(A \text{ et } B) = P(A) \times P(B)$. Si l'égalité est vraie, les événements sont indépendants.
• Exemples et contre-exemples :
  • Lancer deux dés : le résultat du premier dé est indépendant du résultat du second.
  • Tirer deux cartes sans remise : les événements sont dépendants car le premier tirage modifie le jeu pour le second.

• Analyse de données réelles : Appliquer les outils statistiques pour comprendre des situations concrètes (résultats d'une enquête, données économiques, etc.).
• Calcul d'indicateurs : Maîtriser le calcul de la moyenne, médiane, mode, étendue pour résumer l'information.
• Interprétation des résultats : Expliquer ce que signifient les chiffres dans le contexte du problème. Le plus important n'est pas seulement de calculer, mais de comprendre !

• Modélisation d'expériences aléatoires : Traduire une situation concrète en termes d'événements et d'univers des possibles.
• Calcul de probabilités complexes : Utiliser les formules et les arbres pour résoudre des problèmes avec plusieurs étapes ou conditions.
• Prise de décision basée sur les probabilités : Estimer les risques ou les chances pour faire des choix éclairés (ex: jeux de hasard, assurance).

• Lien entre les deux domaines : Les statistiques permettent de décrire des données observées, les probabilités de modéliser l'incertitude et de faire des prédictions sur des événements futurs. Souvent, les statistiques servent à estimer des probabilités.
• Utilisation conjointe des outils : Par exemple, on peut utiliser des statistiques pour estimer la probabilité qu'un élève obtienne une certaine note, ou pour vérifier si une pièce de monnaie est "équilibrée" (probabilité de 0,5 pour Pile ou Face).
• Exemples interdisciplinaires : En sciences (analyse de résultats d'expériences), en économie (prévisions), en biologie (modélisation de populations).