Un prof de maths qui te répond·30 €/mois

Découvrir
MathLvlMon espace
Seconde

Échantillonnage et fluctuation en Seconde

Fluctuation d'échantillonnage, loi des grands nombres et simulation en Python : fréquence et probabilité, estimer une probabilité par une fréquence.

Mis à jour le

Lance 100 fois une pièce : tu obtiendras peut-être 46 « face ». Recommence : ce sera 53, puis 49. Chaque série de lancers est un échantillon, et sa fréquence change d'une série à l'autre : c'est la fluctuation d'échantillonnage. En seconde, on l'observe par simulation, avec Python ou un tableur, et l'on découvre la loi des grands nombres : quand le nombre d'essais n est grand, sauf exception, la fréquence observée est proche de la probabilité.

Au programme : calculer une fréquence f=k/n ; distinguer la probabilité, fixée par un modèle (pièce équilibrée, tirage au hasard), de la fréquence, mesurée sur un échantillon ; écrire des fonctions Python qui simulent une expérience aléatoire et renvoient une fréquence ; observer que les fréquences de grands échantillons sont moins dispersées ; estimer une probabilité par une fréquence quand aucun calcul ne la donne (punaise, naissances).

Pièges classiques : croire qu'après plusieurs « pile », « face » devient plus probable ; tirer une conclusion d'un petit échantillon ; oublier qu'un échantillon mal choisi reste faux même s'il est très grand.

Cours et fiche

📘

Leçon

Le cours complet du chapitre

📝

Fiche de révision

Synthèse + formules essentielles

Exercices corrigés

5 exercices
1

Plaquette 1 – Fréquences observées et fluctuation

2

Plaquette 2 – Simulation et stabilisation des fréquences

3

Plaquette 3 – Estimer une probabilité par une fréquence

4

Plaquette 4 – Simuler avec Python : fonctions et séries de fréquences

5

Plaquette 5 – Problèmes de synthèse : santé, médias et sport

Quiz interactif

Auto-évaluation

Teste tes connaissances et vérifie que tu maîtrises le chapitre.

QCM — Échantillonnage et fluctuation (51 questions)

Leçon complète

Échantillonnage et fluctuation en seconde : cours complet

Quand on répète une expérience aléatoire (lancer une pièce, tirer une personne au hasard dans une population), on obtient un échantillon de résultats. La fréquence d'un caractère dans cet échantillon change d'un échantillon à l'autre : c'est la fluctuation d'échantillonnage. Le programme de seconde la fait observer par simulation et en tire la loi des grands nombres.

Vocabulaire

Population, échantillon, taille

  • La population est l'ensemble étudié (les électeurs d'un pays, les pièces produites par une machine).
  • Un échantillon de taille n est formé de n individus tirés au hasard dans la population, ou de n répétitions d'une même expérience aléatoire.

Fréquence observée

Si un caractère apparaît k fois dans un échantillon de taille n, sa fréquence observée est

f = k/n avec 0 ≤ f ≤ 1

Exemple : 46 « face » sur 100 lancers donnent f = 0,46, soit 46 %. L'écart avec 0,5 est de 4 points.

Probabilité et fréquence : modèle et réalité

  • La probabilité p est fixée par un modèle : « la pièce est équilibrée » donne p = 0,5, « on tire une boule au hasard dans une urne de 10 boules dont 3 rouges » donne p = 0,3. Ce choix est une hypothèse, qu'on ne démontre pas.
  • La fréquence f est mesurée sur la réalité. Elle fluctue : deux séries de 100 lancers ne donnent presque jamais le même nombre de « face ».

La fluctuation d'échantillonnage

Si l'on simule 20 échantillons de 50 lancers d'une pièce équilibrée, on obtient par exemple des fréquences allant de 0,38 à 0,62. Avec 20 échantillons de 500 lancers, elles ne vont plus que de 0,47 à 0,56 environ.

Ce que montrent les simulations : plus l'échantillon est grand, moins les fréquences sont dispersées autour de p. Leur étendue et leur écart type diminuent quand n augmente (en pratique, l'écart type est à peu près divisé par 2 quand n est multiplié par 4).

Loi des grands nombres

Version vulgarisée (programme de seconde) : lorsque n est grand, sauf exception, la fréquence observée est proche de la probabilité.

Elle ne dit rien d'un petit échantillon, et elle ne dit pas que la fréquence finit par être égale à la probabilité. Elle ne « compense » pas non plus les écarts : une pièce n'a pas de mémoire.

Estimer une probabilité par une fréquence

Quand aucun raisonnement ne donne la probabilité, on la construit à partir de l'expérience : on répète l'expérience un grand nombre de fois et on prend la fréquence observée comme valeur de la probabilité.

Exemple : une punaise lancée 1 000 fois retombe 612 fois pointe en haut ; on prend p ≈ 0,61. De même, environ 105 garçons naissent pour 100 filles, d'où une probabilité de naissance d'un garçon d'environ 105/205 ≈ 0,512.

Prévoir : si un événement a la probabilité p, sur N répétitions on peut s'attendre à environ N × p réalisations, la valeur exacte fluctuant.

Attention au biais : la loi des grands nombres ne vaut que pour un échantillon tiré au hasard. Interroger 800 personnes à la sortie d'une salle de sport ne renseigne pas sur la pratique sportive de toute une ville, quelle que soit la taille de l'échantillon.

Simuler avec Python ou un tableur

Outil Instruction Rôle
Python random() un décimal au hasard dans [0 ;1[
Python random() < p condition vraie avec la probabilité p
Python randint(1, 6) un entier entre 1 et 6, bornes incluses
Tableur =ALEA.ENTRE.BORNES(1;6) un lancer de dé
Tableur =NB.SI(A1:A500;6) compte les « 6 »

Fonction type, qui renvoie la fréquence de « face » sur n lancers :

from random import random

def frequence_face(n):
    succes = 0
    for i in range(n):
        if random() < 0.5:
            succes = succes + 1
    return succes / n

En appelant cette fonction un grand nombre de fois, on obtient une série statistique de fréquences, dont on peut calculer la moyenne et l'écart type pour mesurer la fluctuation.

Méthode de Monte-Carlo

On tire au hasard des points dans le carré [0 ;1] × [0 ;1] ; la fréquence des points vérifiant x² + y² ≤ 1 (quart de disque) est proche de π/4 quand le nombre de points est grand. Avec 100 000 points, on retrouve π ≈ 3,14.

Erreurs fréquentes à éviter

  • Conclure sur un petit échantillon : 7 « 6 » sur 20 lancers ne prouvent pas que le dé est truqué.
  • Croire que le hasard compense : après cinq « pile », « face » n'est pas plus probable.
  • Confondre fréquence et probabilité : la fréquence change d'un échantillon à l'autre, la probabilité est fixée par le modèle.
  • Faire confiance à un grand échantillon biaisé : la taille ne corrige pas un mauvais tirage.

FAQ — Échantillonnage et fluctuation en seconde

Pourquoi deux sondages sur le même sujet ne donnent-ils pas le même résultat ?

Parce que chaque sondage interroge un échantillon différent : c'est la fluctuation d'échantillonnage. Sur 1 000 personnes, des écarts d'un ou deux points entre deux sondages sont normaux.

Que dit la loi des grands nombres ?

Que, sur un grand nombre d'essais, la fréquence observée est, sauf exception, proche de la probabilité. Par exemple, sur 10 000 lancers d'une pièce équilibrée, la fréquence de « face » est, dans environ 95 % des cas, entre 0,49 et 0,51.

À quoi sert une simulation ?

À observer la fluctuation et la loi des grands nombres sans faire des milliers de lancers à la main, et à estimer une probabilité difficile à calculer.

Comment choisir un bon échantillon ?

Il doit être tiré au hasard dans la population étudiée (sans biais) et assez grand pour que la fluctuation soit faible.

L'intervalle de fluctuation est-il au programme ?

Non : le programme de seconde de 2026 se limite à observer la fluctuation par simulation et à la loi des grands nombres. Les intervalles de fluctuation et les règles de décision ne sont pas au programme de seconde.

Tout sur statistiques et probabilités en seconde

Indicateurs de position et de dispersion, tableaux croisés, probabilités conditionnelles et arbres, puis échantillonnage.

Tous les chapitres de Seconde

Poursuis ta révision avec les autres chapitres du programme de Seconde.