1) Une bonne démonstration de la façon dont le "hasard" doit être défini afin de calculer la probabilité de certains événements:
Quelle est la probabilité qu’une ligne aléatoire tirée d’un cercle soit plus longue que le rayon?
La question dépend totalement de la façon dont vous tracez votre ligne. Les possibilités que vous pouvez décrire de manière réelle pour un cercle dessiné sur le sol peuvent inclure:
Tracez deux points aléatoires dans le cercle et tracez une ligne à travers ceux-ci. (Voir où tombent deux mouches / pierres ...)
Choisissez un point fixe sur la circonférence, puis un point aléatoire ailleurs dans le cercle et rejoignez ceux-ci. (En fait, il s’agit de placer un bâton en travers du cercle à un angle variable en passant par un point donné et aléatoire, par exemple, lorsqu’une pierre tombe.)
Dessine un diamètre. Choisissez au hasard un point le long de celle-ci et tracez une perpendiculaire à travers celle-ci. (Faites rouler un bâton en ligne droite de manière à ce qu'il repose sur le cercle.)
Il est relativement facile de montrer à quelqu'un qui est capable de faire de la géométrie (mais pas nécessairement des statistiques) que la réponse à la question peut varier assez largement (d'environ 2/3 à environ 0,866).
(1210)
3) Expliquer pourquoi un diagnostic médical peut sembler vraiment imparfait. Un test de dépistage de la maladie détectant avec précision 99,9% des personnes qui en sont atteintes mais un diagnostic de diagnostic faussement positif chez ceux qui ne le sont pas réellement peut sembler être très souvent faux lorsque la prévalence de la maladie est très faible ( par exemple 1 sur 1000), mais de nombreux patients en font l’objet.
C’est celui qui s’explique le mieux avec des chiffres réels - imaginons 1 million de personnes testées, donc 1 000 personnes ont la maladie, 999 sont correctement identifiées, mais 0,1% des 999 000 sont 999 à qui on dit qu’elles l’ont mais ne les ont pas. Donc, la moitié de ceux à qui on dit qu'ils l'ont, ne le font pas, malgré le haut niveau de précision (99,9%) et le faible nombre de faux positifs (0,1%). Un deuxième test (idéalement différent) séparera ensuite ces groupes.
[Incidemment, j'ai choisi les chiffres parce qu'ils sont faciles à utiliser. Bien entendu, ils ne doivent pas totaliser 100%, car les taux de précision / faux positif sont des facteurs indépendants du test.]