Aller au contenu
OptiTAB

Maths Seconde · Chapitre 8 · Statistiques et probabilités

Échantillonnage

  • 5 parties
  • 2 schémas
  • Lecture ≈ 7 min
  • Conforme au programme
Objectifs
  • Savoir ce qu’est un échantillon de taille n et calculer une fréquence f=kn.
  • Observer la fluctuation d’échantillonnage et la loi des grands nombres.
  • Connaître l’écart 1n entre fréquence et probabilité, et l’utiliser pour juger un modèle.
  • Estimer une proportion inconnue à partir d’un échantillon.
  • Lire et écrire en Python une fonction de simulation.

IÉchantillon et fréquence

On s’intéresse à une expérience aléatoire à deux issues : « succès » (de probabilité p) et « échec » (de probabilité 1−p).

DéfinitionÉchantillon, fréquence

Un échantillon de taille n est la liste des résultats obtenus en répétant n fois, de façon indépendante, la même expérience aléatoire.

Si l’on obtient k succès, la fréquence du succès dans l’échantillon est

f=kn.

On a toujours 0≤f≤1.

Exemple

On lance 50 fois une pièce et on obtient 27 fois « pile ». La fréquence de « pile » est

f=2750=0,54.
DéfinitionFluctuation d’échantillonnage

Deux échantillons de même taille donnent en général des fréquences différentes : c’est la fluctuation d’échantillonnage.

Attention

La fréquence f est observée : elle change d’un échantillon à l’autre. La probabilité p est théorique : elle est fixe. Ne pas confondre les deux.

IILoi des grands nombres

PropriétéLoi des grands nombres (admise)

Lorsque la taille n de l’échantillon devient grande, la fréquence f du succès se rapproche de sa probabilité p.

La figure montre trois simulations de 1000 lancers d’une pièce équilibrée : la fréquence de « pile » varie beaucoup au début, puis se stabilise autour de p=0,5.

Trois simulations de 1 000 lancers d’une pièce : la fréquence de « pile » varie beaucoup au début puis se stabilise autour de p = 0,5
MéthodeEstimer une probabilité inconnue

Quand p est inconnue (punaise qui retombe pointe en haut, dé truqué…), on répète l’expérience un grand nombre de fois et on prend la fréquence observée comme estimation de p.

Attention

Les lancers sont indépendants : après cinq « pile » de suite, « face » n’est pas plus probable. La loi des grands nombres ne « compense » pas les résultats passés ; elle décrit seulement ce qui se passe quand n devient grand.

IIIÉcart entre fréquence et probabilité

PropriétéConstat de simulation

Pour des échantillons de taille n assez grande (en pratique n≥25, et p ni trop proche de 0 ni de 1), la fréquence f vérifie, dans au moins 95% des cas environ :

|f−p|≤1n

c’est-à-dire

p−1n≤f≤p+1n.

Ci-dessous, 100 échantillons de taille n=100 (pièce équilibrée, p=0,5) : la bande verte va de 0,4 à 0,6. Seuls 4 points (en orange) sont en dehors : la proportion des échantillons dans la bande est 96100=96%.

Fréquences de 100 échantillons de taille 100 (p = 0,5) : 96 points dans la bande verte de 0,4 à 0,6, 4 points orange en dehors
Exemple

Pour n=400 : 1400=120=0,05. Dans au moins 95% des échantillons environ, la fréquence est à moins de 0,05 de p.

Pour diviser cet écart par 2, il faut multiplier la taille de l’échantillon par 4 : avec n=1600, l’écart devient 140=0,025.

MéthodeJuger si un résultat est compatible avec un modèle
  1. Calculer la fréquence observée f=kn.
  2. Calculer 1n.
  3. Comparer l’écart |f−p| à 1n :
    • si |f−p|≤1n, le résultat est compatible avec le modèle ;
    • sinon, il est rare sous ce modèle : on peut douter du modèle.
ExempleUn dé est-il équilibré ?

On lance 900 fois un dé et le 6 sort 200 fois. Si le dé est équilibré, p=16.

f=200900=29≈0,2221900=130≈0,033|f−p|=29−16=118≈0,056

Comme 0,056>0,033, on peut douter que le dé soit équilibré.

Attention

Ce n’est jamais une certitude. Même avec un dé équilibré, quelques échantillons sur cent s’écartent de plus de 1n : la conclusion comporte un risque d’erreur (de l’ordre de 5% au plus). Et un résultat compatible ne prouve pas que le modèle est vrai.

IVEstimer une proportion inconnue

PropriétéPrincipe de l’estimation

L’inégalité |f−p|≤1n s’écrit aussi f−1n≤p≤f+1n.

Donc, dans au moins 95% des cas environ, la proportion inconnue p appartient à l’intervalle

[f−1n;f+1n].
ExempleUn sondage

Sur 400 personnes interrogées au hasard, 228 connaissent une marque. Alors f=228400=0,57 et 1400=0,05.

On estime que la proportion p de personnes qui connaissent la marque dans toute la population est comprise entre 0,52 et 0,62, soit entre 52% et 62%.

Remarque

Plus l’échantillon est grand, plus l’intervalle est étroit : l’estimation est plus précise.

VSimuler en Python

L’instruction random() du module random renvoie un nombre au hasard dans [0;1[ : le test random() < p est donc vrai avec la probabilité p. Il simule un succès.

La fonction freq simule un échantillon de taille n et renvoie la fréquence du succès :

Python
from random import random
from math import sqrt

def freq(n, p):
    k = 0
    for i in range(n):
        if random() < p:
            k = k + 1
    return k / n

La fonction proche simule N échantillons de taille n et renvoie la proportion de ceux pour lesquels |f−p|≤1n :

Python
def proche(N, n, p):
    e = 1 / sqrt(n)
    c = 0
    for j in range(N):
        f = freq(n, p)
        if abs(f - p) <= e:
            c = c + 1
    return c / N
Exemple

Six appels de proche(1000, 100, 0.5) ont renvoyé : 0,973 ; 0,969 ; 0,966 ; 0,975 ; 0,959 ; 0,964. Le résultat change à chaque exécution (simulation), mais reste toujours au-dessus de 0,95 environ : on retrouve le constat du III.

À retenir
  • Fréquence : f=kn ; elle varie d’un échantillon à l’autre (fluctuation).
  • Quand n augmente, f se rapproche de p (loi des grands nombres).
  • Dans au moins 95% des cas environ : |f−p|≤1n.
  • Si |f−p|>1n, on peut douter du modèle (avec un risque d’erreur).
  • Estimation : p appartient à [f−1n;f+1n] dans au moins 95% des cas environ.

Cours lu ? Continue avec :

Plateforme OptiTAB

S’entraîner jusqu’à maîtriser le programme de Seconde

Les 10 exercices corrigés de ce chapitre, le suivi de tes progrès et des révisions guidées.

Découvrir l’abonnement

Cours particuliers

Un prof de maths en Seconde, en ligne

Des séances individuelles avec un professeur, à distance, pour comprendre, combler ses lacunes et préparer les contrôles.

Réserver un cours particulier