Collection
Explication des paradoxes probabilistes
Des problèmes de probabilité contre-intuitifs où la configuration compte plus que le premier instinct.
Les paradoxes probabilistes sont utiles car ils révèlent la question cachée. Comptes-tu une personne ou chaque paire ? De nouvelles informations ont-elles modifié l'espace d'échantillonnage ? Confonds-tu la probabilité de la preuve avec la probabilité de l'innocence ?
Cette collection relie les exemples classiques aux modèles mentaux réutilisables qui se cachent derrière : comparaisons par paires, probabilité conditionnelle, taux de base, indépendance et biais d'échantillonnage. Chaque paradoxe est un avertissement : la probabilité ne se résume pas à l'arithmétique. Il s'agit aussi de définir correctement l'événement.
Lis ces pages comme une boîte à outils. Les mêmes erreurs apparaissent dans les tests médicaux, les preuves judiciaires, les jeux, les réseaux d'amitié et les échantillons hospitaliers. Les détails changent, mais la démarche mentale est souvent la même : ralentis et demande quelle population, quel événement ou quelle condition est réellement compté.
La première question : qu'est-ce que l'espace d'échantillonnage ?
De nombreux paradoxes disparaissent lorsque l'espace d'échantillonnage est explicité. Dans Monty Hall, le comportement de l'animateur modifie le sens de la porte restante. Dans le paradoxe des anniversaires, chaque paire de personnes crée une chance de correspondance. Dans le raisonnement de type procureur, les preuves sont conditionnées dans le mauvais sens.
La deuxième question : qu'a-t-on sélectionné ?
Le paradoxe de l'amitié, le paradoxe de Simpson et le paradoxe de Berkson montrent tous que les cas que tu vois ne sont pas automatiquement neutres. Un réseau, un mélange de groupe ou une barrière de sélection peuvent modifier la probabilité apparente. Avant de faire confiance à un taux, demande comment les observations sont entrées dans le jeu de données.
Parcours de pratique
Commence par le paradoxe des anniversaires pour le calcul de paires, puis Monty Hall pour la probabilité conditionnelle, et enfin les taux de base pour les événements rares. Ensuite, passe à Simpson et Berkson pour voir comment la sélection et l'agrégation peuvent inverser l'histoire. Cet ordre va de jeux simples à des données du monde réel complexes.
Faits mis en avant
Probabilité
4 min · facile
23 personnes suffisent pour une coïncidence d'anniversaire
Dans une pièce de seulement 23 personnes, il est déjà plus probable qu'improbable que deux personnes partagent le même anniversaire.
Paradoxes
4 min · facile
La porte que tu n'as pas choisie est probablement meilleure
Dans le problème de Monty Hall, changer de porte permet de gagner environ deux fois plus souvent que de rester.
Risque et décisions
4 min · moyen
Un bon test peut encore effrayer trop de monde
Lorsqu’une affection est rare, la plupart des résultats de tests positifs peuvent encore être des faux positifs.
Risque et décisions
4 min · moyen
Une correspondance d'un sur un million ne représente pas une chance sur un million d'être innocent
Lorsqu'un trait médico-légal correspond à 1 personne sur un million, une population suffisamment vaste contient tout de même de nombreuses correspondances innocentes — la probabilité de correspondance n'est pas la probabilité d'innocence.
Probabilité
4 min · facile
Une roulette n'a pas de mémoire
Après dix sorties consécutives de rouge, on a l'impression que le noir « doit » sortir. Le tour suivant a pourtant toujours environ 48,6 % de chances de donner du rouge, exactement comme au premier.
Paradoxes
4 min · moyen
Pourquoi tes amis semblent plus populaires
Rassemble chaque occurrence de nom de toutes les listes d'amis et les personnes bien connectées apparaissent plus souvent. La moyenne qui en résulte n'est jamais inférieure à la moyenne d'une personne choisie uniformément au hasard, et elle est plus élevée lorsque le nombre d'amis varie.
Paradoxes
4 min · difficile
Le paradoxe de Berkson : les hôpitaux peuvent créer de fausses corrélations
Deux facteurs de risque non apparentés peuvent sembler négativement corrélés à l'intérieur d'un hôpital, car l'un ou l'autre peut être la raison pour laquelle un patient a été sélectionné dans l'échantillon.
Paradoxes
4 min · moyen
Une tendance peut s'inverser lorsque les groupes sont combinés
Un traitement peut paraître meilleur dans chaque sous-groupe mais pire globalement.
Psychologie des nombres
4 min · moyen
Le hasard se regroupe plus que tu ne le penses
Disperse 100 gouttes de pluie au hasard sur 100 tuiles et environ 37 tuiles resteront complètement sèches, tandis que d'autres en recevront deux ou trois. Le vrai hasard se regroupe.
Leçons
Les collisions augmentent plus vite que l'intuition
Le nombre de paires possibles augmente à peu près avec le carré de la taille du groupe.
Les nouvelles informations modifient les probabilités
La probabilité conditionnelle consiste à actualiser l'espace échantillon après avoir appris quelque chose.
Les choses rares restent rares
Même des preuves solides peuvent induire en erreur lorsque ce que tu testes est très peu courant.
Le hasard n'a pas de mémoire
Les résultats passés ne modifient pas les probabilités d'un événement indépendant.
L'échantillon que tu vois compte
Ta conclusion peut être erronée lorsque les données que tu vois excluent des cas manquants importants.
Concepts
Comparaisons par paires
Lorsque chaque élément peut être comparé à tous les autres, le nombre de paires possibles augmente beaucoup plus vite que le nombre d’éléments. Un groupe de n éléments comporte n x (n - 1) / 2 paires, de sorte que chaque nouvel élément se connecte à tout ce qui existe déjà. C’est pourquoi les coïncidences deviennent courantes avant qu’une comparaison isolée ne semble probable.
Probabilité conditionnelle
La probabilité de quelque chose après qu’une nouvelle information a changé ce qui reste possible. L’étape importante consiste à mettre à jour le dénominateur : les cas exclus par la nouvelle information ne doivent plus être comptés. Beaucoup d’erreurs se produisent lorsque les gens continuent d’utiliser les cotes d’origine après que la situation s’est restreinte.
Taux de base
La fréquence de fond d’un événement avant de prendre en compte de nouvelles preuves. Un signal fort peut quand même produire de nombreux faux positifs lorsque la chose testée est rare, car il y a beaucoup plus de non-cas que de cas. Un bon raisonnement combine le nouveau signal avec le taux de base.
Indépendance
Des événements indépendants ne s'influencent pas mutuellement : la probabilité du résultat suivant est la même, peu importe ce qui l'a précédé. Une pièce, un dé et une roulette n'ont aucune mémoire de leurs résultats passés.
Biais d’échantillonnage
Un résultat faussé causé par l’examen de données qui ne représentent pas la population qui t’intéresse. Davantage de données ne résolvent pas le problème si les mêmes types de cas manquent toujours. Avant de faire confiance à une conclusion, demande-toi qui a eu la chance d’apparaître dans l’échantillon et qui a été exclu.