Échantillonnage et fluctuation

Comprendre pourquoi les fréquences varient d’un échantillon à l’autre et observer leur stabilisation lorsque le nombre d’essais augmente.

ÉchantillonFréquenceFluctuationSimulationPython

1. Notion d’échantillon

Un échantillon de taille n est la collection des n résultats obtenus après n répétitions indépendantes d’une même expérience aléatoire.

Les conditions de l’expérience restent les mêmes à chaque répétition et le résultat d’un essai n’influence pas le suivant.

Exemple : 100 lancers d’un dé

Face123456Total
Effectif152117131618100
Fréquence0,150,210,170,130,160,181

Ces 100 résultats forment un échantillon de taille n=100.

2. Probabilité et fréquence observée

Probabilité p

Valeur théorique fixée par le modèle de l’expérience.

Fréquence f

Valeur calculée à partir des résultats effectivement obtenus.

f = nombre de réalisations de l’événement / nombre total d’essais = k/n

Dans le tableau, la face 6 est apparue 18 fois sur 100 :

f=18/100=0,18.

Pour un dé équilibré, la probabilité théorique est p=1/6≈0,167. La fréquence est proche de la probabilité, mais elle ne lui est pas nécessairement égale.

3. Fluctuation d’échantillonnage

Deux échantillons de même taille obtenus dans les mêmes conditions ne donnent généralement pas exactement les mêmes résultats. La variation des fréquences observées s’appelle la fluctuation d’échantillonnage.

Trois séries de 20 lancers d’une pièce

Échantillon 1f(P)=0,40
Échantillon 2f(P)=0,55
Échantillon 3f(P)=0,65

Ces différences ne prouvent pas que la pièce est truquée : elles peuvent être dues au hasard.

4. Stabilisation des fréquences

Version vulgarisée de la loi des grands nombres : lorsque n est grand, sauf exception, la fréquence observée f est proche de la probabilité p.

Cela ne signifie pas que la fréquence devient exactement égale à la probabilité, ni qu’elle se rapproche de façon régulière à chaque nouvel essai.

Exemple du cours

Sur 1 000 lancers d’un dé équilibré, la face 6 apparaît 159 fois :

f=159/1000=0,159 et p=1/6≈0,167.

|f-p|≈|0,159-0,167|≈0,008.

La fréquence observée est donc proche de la probabilité théorique.

Repère pratique issu du cours : pour un échantillon assez grand, on compare parfois l’écart |f-p| à 1/√n. Ce repère aide à apprécier un résultat, mais ne constitue pas une garantie absolue pour chaque échantillon.

5. Observer la fluctuation avec Python

Le programme suivant simule n lancers d’un dé et renvoie la fréquence d’apparition de la face 6.

from random import randint

def frequence_six(n):
    compteur = 0
    for _ in range(n):
        if randint(1, 6) == 6:
            compteur = compteur + 1
    return compteur / n

for taille in (10, 100, 1000, 10000):
    print(taille, frequence_six(taille))

Que faut-il observer ?

  1. Exécuter plusieurs fois le programme pour une même taille.
  2. Constater que les fréquences changent d’une exécution à l’autre.
  3. Comparer les résultats pour n=10, 100, 1 000 puis 10 000.
  4. Observer qu’avec de grands échantillons les fréquences sont généralement plus proches de 1/6.

6. Méthode pour étudier un échantillon

  1. Identifier l’événement étudié et sa probabilité théorique p.
  2. Repérer la taille n de l’échantillon et l’effectif k observé.
  3. Calculer la fréquence f=k/n.
  4. Calculer et interpréter l’écart |f-p|.
  5. Conclure avec prudence : un écart peut résulter de la fluctuation due au hasard.

7. Erreurs fréquentes

  • confondre la probabilité théorique p et la fréquence observée f ;
  • croire que deux échantillons de même taille doivent être identiques ;
  • conclure trop vite à partir d’un petit échantillon ;
  • penser que la loi des grands nombres garantit une égalité exacte ;
  • oublier que les répétitions doivent être effectuées dans les mêmes conditions et être indépendantes.

Exercices d’entraînement

Exercice 1 - Fréquence observée

On lance une pièce équilibrée 40 fois et on obtient 23 fois pile.

  1. Donner n, k et p.
  2. Calculer la fréquence de pile.
  3. Calculer |f-p| et interpréter.
Afficher la correction
  1. La taille de l’échantillon est n = 40, le nombre de piles observés est k = 23. La pièce étant équilibrée, la probabilité théorique est p = 1/2 = 0,5.
  2. La fréquence observée est f = 23/40 = 0,575, soit 57,5 %.
  3. L’écart vaut |f − p| = |0,575 − 0,5| = 0,075, soit 7,5 points de pourcentage. Cette série comporte proportionnellement plus de piles que la valeur théorique, mais cet écart peut être dû au hasard. Il ne suffit pas à remettre en cause l’équilibre de la pièce.

Exercice 2 - Dé équilibré

Sur 600 lancers, la face 6 apparaît 108 fois.

  1. Calculer la fréquence observée.
  2. La comparer à 1/6.
  3. Calculer 1/√600 puis comparer cette valeur à |f-p|.
Afficher la correction
  1. La fréquence est f = 108/600 = 0,18, soit 18 %.
  2. Pour un dé équilibré, p = 1/6 ≈ 0,1667. La fréquence observée est supérieure à p. Sans arrondir p au préalable, |f − p| = 0,18 − 1/6 = 1/75 ≈ 0,01333.
  3. 1/√600 ≈ 0,04082. Ainsi, |f − p| < 1/√600. L’écart observé reste inférieur au repère proposé dans le cours. Ce constat est compatible avec le modèle du dé équilibré, sans démontrer que le dé est équilibré.

Exercice 3 - Contrôle d’une affirmation

Une urne contient 75 % de boules rouges. Après 60 tirages avec remise, Cyril annonce 35 boules rouges.

  1. Calculer la fréquence observée.
  2. Calculer l’écart à 0,75.
  3. Comparer à 1/√60 et commenter avec prudence.
Afficher la correction
  1. La fréquence de boules rouges est f = 35/60 = 7/12 ≈ 0,5833, soit environ 58,33 %.
  2. La probabilité du modèle est p = 0,75. L’écart exact vaut |f − p| = |7/12 − 3/4| = 1/6 ≈ 0,1667, soit environ 16,67 points de pourcentage.
  3. 1/√60 ≈ 0,1291. L’écart est donc supérieur au repère : 0,1667 > 0,1291. Le résultat s’écarte sensiblement de la proportion annoncée selon ce critère. Il invite à vérifier le protocole et à recueillir d’autres observations ; il ne prouve ni une erreur de Cyril ni une composition différente de l’urne. Les tirages doivent être effectués au hasard, avec remise et mélange entre les tirages.

Exercice 4 - Fluctuation

Trois élèves simulent chacun 50 lancers d’une pièce et obtiennent les fréquences 0,42 ; 0,54 et 0,60.

  1. Expliquer pourquoi les résultats diffèrent.
  2. Peut-on conclure qu’une simulation est fausse ? Justifier.
Afficher la correction
  1. Les trois élèves réalisent des séries aléatoires différentes : le nombre de piles peut varier d’une série à l’autre. Il s’agit de la fluctuation d’échantillonnage.
  2. Ces fréquences correspondent respectivement à 21, 27 et 30 piles sur 50 lancers. Ce sont des effectifs possibles. Les différences ne suffisent donc pas à conclure qu’une simulation est fausse. Pour une pièce équilibrée, la probabilité reste 0,5, même si les fréquences observées sont différentes.

Exercice 5 - Lecture de programme

Expliquer le rôle des variables compteur et n dans la fonction Python. Modifier le programme pour étudier l’événement « obtenir un nombre pair ».

Afficher la correction

n est le nombre de lancers, un entier strictement positif. compteur, initialisé à 0, compte les succès ; dans le programme du cours, un succès est l’apparition de la face 6. La fonction renvoie la fréquence compteur / n.

Pour compter les nombres pairs, on remplace le test par randint(1, 6) % 2 == 0 : le reste de la division par 2 est nul pour 2, 4 et 6.

from random import randint

def frequence_pair(n):
    compteur = 0
    for _ in range(n):
        if randint(1, 6) % 2 == 0:
            compteur = compteur + 1
    return compteur / n

print(frequence_pair(600))

La probabilité théorique de l’événement est 3/6 = 1/2. La valeur renvoyée varie d’une exécution à l’autre.

Exercice 6 - Expérimentation

Exécuter dix fois la fonction pour n=20, puis pour n=2000. Comparer l’étendue des fréquences obtenues dans les deux séries.

Afficher la correction

Après avoir exécuté la définition de frequence_six du cours, on peut utiliser :

for n in (20, 2000):
    frequences = [frequence_six(n) for _ in range(10)]
    etendue = max(frequences) - min(frequences)
    print("Taille :", n)
    print("Frequences :", frequences)
    print("Etendue :", etendue)

Pour chaque taille, la liste contient les fréquences de dix échantillons distincts. L’étendue est la fréquence maximale moins la fréquence minimale.

On observe généralement une étendue plus petite pour n = 2 000 que pour n = 20 : les grands échantillons présentent des fréquences plus concentrées autour de 1/6. Ce n’est pas garanti pour chaque exécution, notamment avec seulement dix échantillons par taille. Il n’existe donc pas de résultat numérique unique attendu ; on peut répéter l’expérience pour consolider l’observation.

Vidéo

Ajoutez ici votre vidéo sur la fluctuation d’échantillonnage et la simulation.

À retenir

Un échantillon rassemble les résultats de répétitions indépendantes d’une même expérience.

La fréquence varie d’un échantillon à l’autre : c’est la fluctuation d’échantillonnage.

Lorsque la taille de l’échantillon augmente, la fréquence observée est généralement plus proche de la probabilité.