Simuler et interpréter la fluctuation
Pourquoi deux échantillons du même modèle donnent-ils des fréquences différentes ?
Environ 35 minutes
- Simuler des échantillons au tableur et en Python
- Interpréter un histogramme de fréquences
- Comparer les effets de n et de N
Pourquoi deux échantillons du même modèle donnent-ils des fréquences différentes ?
Une probabilité est un paramètre du modèle ; une fréquence est calculée à partir de résultats observés. Même lorsque le modèle ne change pas, les fréquences varient. La simulation permet d’explorer cette fluctuation en répétant une expérience selon des règles précises. Tu vas distinguer taille d’un échantillon et nombre d’échantillons, construire un histogramme et interpréter un écart sans transformer une observation rare en preuve automatique.
Coder une épreuve puis un échantillon
Une épreuve de Bernoulli produit 1 pour un succès et 0 pour un échec. Son paramètre p est la probabilité du succès. Pour simuler cette épreuve, on tire un nombre uniforme entre zéro inclus et un exclu. S’il est strictement inférieur à p, on note 1 ; sinon, on note 0. Le segment des nombres inférieurs à p occupe une proportion p de l’intervalle, ce qui justifie le mécanisme.
En Python, l’instruction from random import random donne accès à la fonction random(). L’expression random() < p produit un booléen, vrai ou faux. Dans une somme, ces valeurs comptent respectivement pour 1 et 0. L’expression sum(random() < p for _ in range(n)) compte ainsi les succès de n nouveaux tirages. La fréquence s’obtient en divisant ce nombre par n, avec n entier strictement positif.
Un échantillon de taille n regroupe n essais indépendants réalisés avec le même paramètre. Sa fréquence F est le nombre de succès divisé par n. Elle est comprise entre zéro et un. Pour n = 25, les fréquences possibles avancent par pas de 1 / 25 = 0,04. La probabilité p = 0,4 est fixée avant l’expérience ; la fréquence ne devient connue qu’une fois les tirages réalisés.
Exemple résolu
Un échantillon de 25 essais d’un modèle de paramètre p = 0,4 donne 13 succès. Calculer sa fréquence et sa distance à p.
- Étape 1 : La fréquence vaut 13 / 25 = 0,52.
- Étape 2 : L’écart signé à p est 0,52 − 0,4 = 0,12.
- Étape 3 : La distance est la valeur absolue de cet écart : 0,12.
Résultat : L’échantillon donne 52 % de succès, à 12 points de pourcentage de la probabilité de 40 %.
Piège à éviter : Une différence de fréquences de 0,12 correspond à 12 points de pourcentage, pas à une hausse relative de 12 %.
À toi d'essayer
Un modèle a p = 0,3. Un échantillon de 50 essais contient 12 succès. Calcule la fréquence, l’écart signé et la distance à p.
Voir la réponseMasquer la réponse
La fréquence vaut 12 / 50 = 0,24. L’écart signé est 0,24 − 0,3 = −0,06. La distance est 0,06, soit six points de pourcentage. Le signe indique ici une fréquence inférieure au paramètre.
Simuler plusieurs centaines d’échantillons
Pour observer la fluctuation, on répète le prélèvement d’un échantillon complet. On note N le nombre d’échantillons et n la taille de chacun. Avec N = 500 et n = 25, on réalise 12 500 essais élémentaires et on obtient 500 fréquences. Ces deux nombres ne jouent pas le même rôle. Augmenter N décrit plus précisément la distribution des fréquences ; augmenter n rend chaque fréquence issue d’un échantillon plus grand.
En Python, une liste peut contenir les 500 fréquences. Pour n et p fixés, on répète l’expression sum(random() < p for _ in range(n)) / n à l’intérieur d’une boucle de N répétitions. Chaque répétition doit utiliser de nouveaux tirages. Copier 500 fois une fréquence déjà calculée ne crée pas 500 échantillons et efface artificiellement toute fluctuation. L’indépendance exige de respecter le mécanisme de tirage.
L’histogramme rassemble les fréquences en classes. Ici les classes ont la même largeur 0,1 : [0 ; 0,1[, [0,1 ; 0,2[, et ainsi de suite, la dernière comprenant 1. La hauteur indique le nombre d’échantillons dans la classe. Une fréquence située sur une frontière va dans la classe qui commence à cette frontière. Il faut annoncer cette convention pour éviter qu’une valeur soit oubliée ou comptée deux fois.
Les résultats affichés proviennent d’une simulation reproductible de paramètre 0,4, avec une graine fixée à 20261031 et 500 échantillons pour chaque taille étudiée. Pour n = 25, la moyenne des fréquences obtenue est 0,40176 et leur écart-type vaut environ 0,1011. Fixer une graine permet de retrouver une même expérience informatique ; cela ne transforme pas ses résultats en valeurs universelles pour toutes les simulations.
Exemple résolu
Dans cette simulation de 500 échantillons de taille 25, 206 fréquences appartiennent à [0,4 ; 0,5[. Calculer la proportion correspondante et préciser ce qu’elle mesure.
- Étape 1 : Le dénominateur est le nombre d’échantillons, 500, et non le nombre total d’essais élémentaires.
- Étape 2 : La proportion vaut 206 / 500 = 0,412.
- Étape 3 : On interprète le résultat en parlant des fréquences d’échantillons situées dans cette classe.
Résultat : Dans cette simulation, 41,2 % des échantillons ont une fréquence comprise entre 0,4 inclus et 0,5 exclu.
Piège à éviter : Ce 41,2 % n’est ni la fréquence globale des succès ni une nouvelle valeur du paramètre p.
À toi d'essayer
Un élève prépare 300 échantillons de 40 essais. Combien d’essais élémentaires sont nécessaires ? Combien de fréquences son histogramme doit-il répartir ?
Correction détaillée pas à pasDans ce chapitre : 2 corrections détaillées.
Étudier l’effet de la taille et les écarts
L’écart-type s de la série des fréquences mesure leur dispersion autour de leur moyenne observée. Il est calculé sur la série simulée, par un tableur ou un programme. Il ne se confond ni avec le paramètre p ni avec l’écart d’un seul échantillon à p. Deux simulations différentes peuvent donner des écarts-types proches sans être égaux, même si n, N et p sont identiques.
Pour n = 100, la simulation donne un écart-type d’environ 0,0499 ; pour n = 400, environ 0,0247. Lorsque la taille est multipliée par quatre, la dispersion est ici approximativement divisée par deux. Ce comportement est cohérent avec un ordre de grandeur en 1 / √n. On peut représenter les couples (1 / √n ; s) pour explorer cette relation sans construire un test statistique.
Pour apprécier les écarts, on compte les fréquences dans [p − s ; p + s], puis dans les intervalles analogues avec 2s et 3s. Dans la simulation de taille 100, les proportions obtenues sont 64 %, 94,2 % et 99,8 %. Ces pourcentages décrivent cette série de simulations. Ils ne constituent pas des seuils obligatoires ni une règle donnant automatiquement la vérité ou la fausseté d’un modèle.
Exemple résolu
Pour n = 100, on utilise l’écart-type simulé s ≈ 0,05 et p = 0,4. Situer les fréquences 0,44 et 0,56 par rapport aux distances s, 2s et 3s.
- Étape 1 : Pour 0,44, la distance à p vaut 0,04, inférieure à s.
- Étape 2 : Pour 0,56, la distance vaut 0,16, supérieure à 3s ≈ 0,15.
- Étape 3 : La seconde fréquence est donc plus éloignée du centre selon ce repère, mais cette comparaison n’est pas une preuve d’impossibilité.
Résultat : 0,44 se situe à moins d’un écart-type de p ; 0,56 dépasse approximativement trois écarts-types dans cette comparaison.
Piège à éviter : Un événement rare sous un modèle reste possible ; sa rareté seule ne suffit pas à démontrer une fraude ou une cause particulière.
À toi d'essayer
Deux protocoles utilisent le même p. Le premier simule 2 000 échantillons de taille 25 ; le second 500 échantillons de taille 100. Lequel réduit la dispersion des fréquences individuelles ? Explique pourquoi le nombre total d’essais ne suffit pas à répondre.
Correction détaillée pas à pasDans ce chapitre : 2 corrections détaillées.
Au bac : simuler puis interpréter avec prudence
Au bac : lire une simulation
- Identifie p, la taille n et le nombre N ; indique ce qui est fixé et ce qui varie.
- Vérifie le mécanisme des tirages et le calcul de chaque fréquence.
- Lis les axes, les classes et les effectifs de l’histogramme avant de comparer deux séries.
- Formule une conclusion limitée au modèle et à la simulation ; distingue fréquent, rare et impossible.
Au tableur, une cellule peut utiliser =SI(ALEA()<0,4;1;0) pour coder un essai. Une ligne rassemble n essais et sa moyenne donne la fréquence. On répète ensuite la ligne pour obtenir N échantillons. Les fonctions aléatoires sont généralement recalculées quand la feuille change : conserver les résultats d’une expérience suppose de copier les valeurs dans une zone stable. Il faut également contrôler la convention utilisée par l’outil pour calculer l’écart-type.
Une fréquence éloignée de p peut provenir de la fluctuation, d’une erreur de recueil, d’un manque d’indépendance ou d’un modèle mal adapté. La simulation aide à comparer ces pistes en montrant les résultats possibles sous les hypothèses choisies. Elle ne tranche pas à elle seule entre toutes les explications. On revient à la population observée, à la taille de l’échantillon et aux conditions concrètes avant d’argumenter.
Vocabulaire
- Fréquence :
- Nombre de succès divisé par la taille de l’échantillon.
- Fluctuation :
- Variation des fréquences entre échantillons soumis au même modèle.
- Graine :
- Valeur qui initialise un générateur pseudo-aléatoire pour reproduire un calcul.
- Dispersion :
- Étendue des différences entre les valeurs d’une série.
Bilan
| Situation | Repère |
|---|---|
| p | Probabilité du modèle, fixée avant les essais. |
| n | Nombre d’essais dans un échantillon. |
| N | Nombre d’échantillons simulés. |
| s | Écart-type de la série des fréquences observées. |
Erreurs fréquentes : confondre n et N, réutiliser un tirage unique, oublier les valeurs sur les frontières des classes, ou transformer une simulation en preuve certaine sur une situation réelle.
S’entraîner
Poursuis ton entraînement dans l’espace Exercices du site.
À retenir
- Une fréquence est calculée après observation ; une probabilité appartient au modèle.
- N échantillons de taille n demandent N × n essais élémentaires.
- Augmenter n réduit généralement la dispersion des fréquences, à paramètre fixé.
- Une observation rare sous un modèle n’est pas impossible.
Fiche de révision
Pour programmer, sépare l’essai zéro-un, le calcul d’une fréquence et la répétition des échantillons.
Avant d’interpréter une barre, demande-toi si elle compte des essais ou des échantillons.
Pour comparer des histogrammes, conserve les mêmes classes et des échelles explicites.
Réduire approximativement la dispersion d’un facteur deux demande une taille environ quatre fois plus grande.
Et maintenant ?
Tu as lu le cours. L’étape suivante tient en une action.
Relis le coursReprends l’essentiel avant de passer à la suite.Prolonge l’expérience !
Continue à explorer ce chapitre à travers de nouvelles activités, des défis et des expériences interactives. Avec Premium, l’apprentissage continue !
Ici, tu débloques aussi 2 corrections détaillées.
Parent ? Suivez les progrès de votre enfant.
