En psychom\u00e9trie et en sciences comportementales, la quantification des processus psychiques repose fr\u00e9quemment sur l’observation de r\u00e9ponses discr\u00e8tes et dichotomiques, telles que la r\u00e9ussite ou l’\u00e9chec \u00e0 une t\u00e2che cognitive, ou l’adh\u00e9sion ou le rejet d’un \u00e9nonc\u00e9 clinique. La loi de Bernoulli constitue le mod\u00e8le math\u00e9matique \u00e9l\u00e9mentaire indispensable qui permet de formaliser cette incertitude binaire et d’\u00e9riger les th\u00e9ories modernes de la mesure psychologique.<\/p>\n
La loi de Bernoulli<\/strong> est une loi de probabilit\u00e9 discr\u00e8te qui mod\u00e9lise une exp\u00e9rience al\u00e9atoire ne comportant exactement que deux issues mutuellement exclusives et exhaustives, conventionnellement d\u00e9sign\u00e9es sous les termes de \u00ab succ\u00e8s \u00bb (not\u00e9 1) et d’\u00ab \u00e9chec \u00bb (not\u00e9 0). Le comportement stochastique de cette variable d\u00e9pend enti\u00e8rement d’un param\u00e8tre unique, g\u00e9n\u00e9ralement not\u00e9 p<\/em>, repr\u00e9sentant la probabilit\u00e9 th\u00e9orique d’apparition du succ\u00e8s.<\/p>\n Sur le plan math\u00e9matique, si une variable al\u00e9atoire X<\/em> suit une distribution de Bernoulli de param\u00e8tre p<\/em> (avec 0 ≤ p<\/em> ≤ 1), sa fonction de masse s’exprime sous la forme compacte P(X<\/em> = x<\/em>) = p<\/em>x<\/em><\/sup>(1 − p<\/em>)1 − x<\/em><\/sup> pour x<\/em> ∈ {0, 1}. En psychologie quantitative, cette formulation formalise la r\u00e9ponse d’un participant face \u00e0 une question ferm\u00e9e, l’\u00e9valuation du franchissement d’un seuil perceptif en psychophysique, ou la pr\u00e9sence clinique av\u00e9r\u00e9e d’un crit\u00e8re symptomatique pr\u00e9cis.<\/p>\n Bien qu’\u00e9l\u00e9mentaire dans sa structure, cette distribution sert de brique atomique \u00e0 des constructions probabilistes plus \u00e9labor\u00e9es. Elle donne naissance par agr\u00e9gation \u00e0 la loi binomiale et constitue le support probabiliste sous-jacent de la r\u00e9gression logistique binaire et des mod\u00e8les fondamentaux de la th\u00e9orie des r\u00e9ponses aux items<\/a> en psychom\u00e9trie contemporaine.<\/p>\n Le syntagme \u00ab loi de Bernoulli \u00bb tire son origine du patronyme de Jacques Bernoulli (Jacob Bernoulli, 1654-1705), \u00e9minent math\u00e9maticien et philosophe b\u00e2lois qui a formalis\u00e9 les propri\u00e9t\u00e9s des tirages al\u00e9atoires binaires ind\u00e9pendants et r\u00e9p\u00e9titifs. Le vocable \u00ab loi \u00bb d\u00e9rive du latin lex<\/em>, renvoyant originellement \u00e0 une r\u00e8gle contraignante r\u00e9gissant un ordre universel, avant d’\u00eatre investi par la physique et les math\u00e9matiques pour d\u00e9signer une relation invariable ou une structure de probabilit\u00e9 r\u00e9gissant des observations exp\u00e9rimentales.<\/p>\n Le nom propre \u00ab Bernoulli \u00bb est issu d’une famille de marchands et de savants protestants ayant fui Anvers pour s’\u00e9tablir \u00e0 Francfort puis \u00e0 B\u00e2le au XVIe si\u00e8cle. Le trait\u00e9 s\u00e9minal r\u00e9dig\u00e9 en latin classique par Jacques Bernoulli s’intitule Ars Conjectandi<\/em> (litt\u00e9ralement \u00ab L’Art de conjecturer \u00bb), publi\u00e9 \u00e0 titre posthume en 1713 par son neveu Nicolaus Bernoulli. C’est dans cet ouvrage que se trouve expos\u00e9 pour la premi\u00e8re fois le mod\u00e8le th\u00e9orique associant un tirage binaire \u00e9l\u00e9mentaire — d\u00e9sign\u00e9 ult\u00e9rieurement comme \u00ab \u00e9preuve de Bernoulli \u00bb (Bernoullian trial<\/em> en anglais) — \u00e0 la c\u00e9l\u00e8bre premi\u00e8re d\u00e9monstration de la loi faible des grands nombres.<\/p>\n L’introduction de ce paradigme dans les sciences humaines et sociales s’est consolid\u00e9e au cours du XIXe et du XXe si\u00e8cle. Les statisticiens et psychologues pionniers de la psychophysique et de la biom\u00e9trie, notamment Gustav Theodor Fechner et Karl Pearson, ont transpos\u00e9 la logique combinatoire de Bernoulli pour th\u00e9oriser l’erreur d’observation et la probabilit\u00e9 des d\u00e9cisions psychologiques binaires.<\/p>\n Sur le plan phon\u00e9tique, \u00ab Bernoulli \u00bb se prononce couramment en fran\u00e7ais standard sous la forme transcrite [b\u025b\u0281.nu.ji]. L’articulation conserve la finale palatalis\u00e9e traditionnelle des noms d’origine suisse-rh\u00e9nane assimil\u00e9s \u00e0 la langue fran\u00e7aise. Le terme \u00ab loi \u00bb se transcrit phon\u00e9tiquement [lwa].<\/p>\n Sur le plan grammatical, l’expression est une locution nominale f\u00e9minine compos\u00e9e d’un substantif commun f\u00e9minin (\u00ab loi \u00bb), suivi de la pr\u00e9position d’attribution (\u00ab de \u00bb) et du nom propre invariable (\u00ab Bernoulli \u00bb). L’expression est le plus souvent employ\u00e9e avec l’article d\u00e9fini : \u00ab la loi de Bernoulli \u00bb. Au pluriel formel, lorsqu’il renvoie \u00e0 des r\u00e9alisations sp\u00e9cifiques de la loi, on \u00e9crira \u00ab les lois de Bernoulli \u00bb ou, plus rigoureusement, \u00ab des distributions de Bernoulli ind\u00e9pendantes \u00bb.<\/p>\n Dans la litt\u00e9rature scientifique internationale, on retrouve les \u00e9quivalents stricts suivants : Bernoulli distribution<\/em> en anglais, Bernoulli-Verteilung<\/em> en allemand, et distribuci\u00f3n de Bernoulli<\/em> en espagnol. L’abr\u00e9viation usuelle de la loi dans les publications acad\u00e9miques adopte la typographie conventionnelle X<\/em> ~ Β(p<\/em>) ou X<\/em> ~ Ber<\/em>(p<\/em>), \u00e9vitant la confusion avec la distribution B\u00eata qui emploie \u00e9galement le symbole grec majuscule Β.<\/p>\n L’essence conceptuelle de la loi de Bernoulli r\u00e9side dans la r\u00e9duction d’une r\u00e9alit\u00e9 complexe \u00e0 un \u00e9tat ontologique strictement bipartite. Dans toute d\u00e9marche empirique en psychologie, le chercheur recueille une multitude d’indices qui peuvent \u00eatre condens\u00e9s sous une forme bool\u00e9enne : le comportement s’est-il produit ou non ? Le sujet a-t-il d\u00e9tect\u00e9 le stimulus visuel infraliminaire ? Le patient r\u00e9pond-il aux crit\u00e8res du trouble d\u00e9pressif majeur selon les seuils diagnostiques op\u00e9rationnels ?<\/p>\n Pour conceptualiser cette r\u00e9duction binaire, l’espace \u00e9chantillonnal Ω est partitionn\u00e9 en deux sous-ensembles fondamentaux Ω = {0, 1}. Contrairement aux grandeurs continues mod\u00e9lis\u00e9es par la distribution gaussienne, la variable al\u00e9atoire de Bernoulli ne peut prendre aucune valeur interm\u00e9diaire. Le param\u00e8tre p<\/em> n’est pas une valeur observable directement lors d’un essai isol\u00e9 ; il constitue une propension, une probabilit\u00e9 latente qui refl\u00e8te la force de tendance du processus psychologique \u00e0 g\u00e9n\u00e9rer le r\u00e9sultat unitaire.<\/p>\n L’esp\u00e9rance math\u00e9matique d’une variable de Bernoulli s’av\u00e8re remarquablement intuitive : E[X<\/em>] = 0 × (1 − p<\/em>) + 1 × p<\/em> = p<\/em>. Ainsi, dans une population d’individus ou au cours d’une s\u00e9rie r\u00e9p\u00e9t\u00e9e d’essais chez un m\u00eame individu, la moyenne arithm\u00e9tique des observations binaires correspond exactement \u00e0 la proportion de succ\u00e8s observ\u00e9e. Cette identit\u00e9 fondamentale entre esp\u00e9rance et probabilit\u00e9 fait de la loi de Bernoulli le pont conceptuel direct entre la statistique inf\u00e9rentielle et l’\u00e9valuation psychologique des proportions.<\/p>\n La variance, quant \u00e0 elle, s’exprime par la relation Var(X<\/em>) = E[X<\/em>2<\/sup>] − (E[X<\/em>])2<\/sup> = p<\/em> − p<\/em>2<\/sup> = p<\/em>(1 − p<\/em>). Cette formulation r\u00e9v\u00e8le une propri\u00e9t\u00e9 g\u00e9om\u00e9trique capitale : la dispersion est maximale lorsque p<\/em> = 0,5, atteignant la valeur 0,25, et tend vers z\u00e9ro lorsque p<\/em> s’approche de 0 ou de 1. Ce ph\u00e9nom\u00e8ne de d\u00e9pendance intrins\u00e8que entre la moyenne et la variance conditionne l’ensemble des m\u00e9thodes statistiques psychom\u00e9triques, dictant l’emploi de transformations stabilisatrices de la variance ou de mod\u00e8les non lin\u00e9aires adapt\u00e9s \u00e0 la nature discr\u00e8te des r\u00e9ponses.<\/p>\n Dans le domaine de la mod\u00e9lisation cognitive, la loi de Bernoulli formalise \u00e9galement le choix forc\u00e9 \u00e0 deux alternatives (2AFC). Lorsqu’un sujet h\u00e9site entre deux r\u00e9ponses perceptives, l’issue finale est consid\u00e9r\u00e9e comme une r\u00e9alisation bernoullienne dont le param\u00e8tre p<\/em> d\u00e9pend des activations neuronales sous-jacentes et de la d\u00e9rive des accumulateurs de d\u00e9cision, tels que d\u00e9crits par le mod\u00e8le de diffusion de Ratcliff.<\/p>\n La gen\u00e8se conceptuelle de la loi de Bernoulli s’inscrit au tournant des XVIIe et XVIIIe si\u00e8cles, dans le cadre des premiers questionnements formels sur les jeux de hasard et la quantification rationnelle de l’al\u00e9a. Jacques Bernoulli r\u00e9digea la quatri\u00e8me partie de son trait\u00e9 Ars Conjectandi<\/em> entre 1689 et 1699, motiv\u00e9 par le d\u00e9sir d’\u00e9tendre la doctrine des chances math\u00e9matiques — \u00e9labor\u00e9e initialement par Blaise Pascal et Christiaan Huygens — \u00e0 des enjeux d’ordre moral, politique et comportemental.<\/p>\n Bernoulli aspirait \u00e0 d\u00e9terminer si des \u00e9v\u00e9nements dont la cause premi\u00e8re demeure inaccessible pouvaient \u00eatre appr\u00e9hend\u00e9s par l’observation fr\u00e9quentielle. Il formula alors le c\u00e9l\u00e8bre \u00ab th\u00e9or\u00e8me d’or \u00bb, d\u00e9sign\u00e9 aujourd’hui comme la premi\u00e8re forme d\u00e9montr\u00e9e de la loi faible des grands nombres. Ce r\u00e9sultat prouvait rigoureusement que la fr\u00e9quence relative d’un \u00e9v\u00e9nement binaire converge en probabilit\u00e9 vers son param\u00e8tre latent p<\/em> \u00e0 mesure que le nombre d’\u00e9preuves de Bernoulli ind\u00e9pendantes tend vers l’infini.<\/p>\n Au XIXe si\u00e8cle, Sim\u00e9on Denis Poisson g\u00e9n\u00e9ralisa les r\u00e9sultats de Bernoulli dans son trait\u00e9 de 1837 sur la probabilit\u00e9 des jugements judiciaires, introduisant des \u00e9preuves dont les probabilit\u00e9s de succ\u00e8s pouvaient fluctuer d’un essai \u00e0 l’autre. Presque simultan\u00e9ment, le m\u00e9decin et physicien Gustav Theodor Fechner<\/a> posa les fondements de la psychophysique exp\u00e9rimentale en utilisant la m\u00e9thode des stimuli constants. Fechner mod\u00e9lisa les d\u00e9tections des stimuli sensoriels comme des s\u00e9ries de r\u00e9alisations discr\u00e8tes o\u00f9 la probabilit\u00e9 p<\/em> variait en fonction continue de l’intensit\u00e9 physique du signal, pr\u00e9figurant la courbe sigmo\u00efde psychom\u00e9trique.<\/p>\n Au milieu du XXe si\u00e8cle, la psychom\u00e9trie a connu une r\u00e9volution gr\u00e2ce aux travaux du math\u00e9maticien danois Georg Rasch et du psychologue am\u00e9ricain Frederic M. Lord. Rasch (1960) proposa de reformuler la probabilit\u00e9 de Bernoulli pour un item de test cognitif non pas comme une constante arbitraire, mais comme une fonction explicite de la diff\u00e9rence entre la comp\u00e9tence du sujet (θ) et la difficult\u00e9 intrins\u00e8que de l’item (β). Cette approche donna naissance au c\u00e9l\u00e8bre mod\u00e8le logistique \u00e0 un param\u00e8tre (mod\u00e8le de Rasch), scellant le r\u00f4le central de la distribution de Bernoulli dans les sciences de l’\u00e9valuation psychologique moderne.<\/p>\n La formalisation rigoureuse de la loi de Bernoulli s’articule autour de l’espace probabilis\u00e9 classique (Ω, Σ, P). L’univers des \u00e9tats Ω contient uniquement deux issues {ω0<\/sub>, ω1<\/sub>}. La tribu Σ comprend les quatre \u00e9v\u00e9nements possibles : l’ensemble vide ∅, {ω0<\/sub>}, {ω1<\/sub>}, et Ω. La mesure de probabilit\u00e9 P est fix\u00e9e de telle sorte que P({ω1<\/sub>}) = p<\/em> et P({ω0<\/sub>}) = 1 − p<\/em> = q<\/em>.<\/p>\n La fonction g\u00e9n\u00e9ratrice des moments de la distribution de Bernoulli s’exprime analytiquement comme suit :<\/p>\n M<\/em>X<\/em><\/sub>(t<\/em>) = E[e<\/em>tX<\/em><\/sup>] = (1 − p<\/em>)e<\/em>0<\/sup> + p<\/em> e<\/em>t<\/em><\/sup> = (1 − p<\/em>) + p<\/em> e<\/em>t<\/em><\/sup><\/p>\n Cette fonction g\u00e9n\u00e9ratrice permet de d\u00e9duire commod\u00e9ment l’ensemble des moments statistiques d’ordre sup\u00e9rieur. Par exemple, le coefficient d’asym\u00e9trie (skewness) de la distribution est donn\u00e9 par :<\/p>\n γ1<\/sub> = (1 − 2p<\/em>) \/ √[p<\/em>(1 − p<\/em>)]<\/p>\n Cette relation montre formellement que la loi est strictement sym\u00e9trique si et seulement si p<\/em> = 0,5. D\u00e8s que p<\/em> d\u00e9vie de cette m\u00e9diane, l’asym\u00e9trie devient positive (vers la droite pour p<\/em> < 0,5) ou n\u00e9gative (vers la gauche pour p<\/em> > 0,5). Le coefficient d’aplatissement ou kurtosis s’\u00e9tablit quant \u00e0 lui selon l’expression :<\/p>\n2. \u00c9tymologie et origine linguistique<\/h3>\n
3. Prononciation et forme grammaticale<\/h3>\n
4. Explication conceptuelle d\u00e9taill\u00e9e<\/h3>\n
5. \u00c9volution et d\u00e9veloppement historique<\/h3>\n
6. Fondements th\u00e9oriques et mod\u00e9lisation<\/h3>\n