Échantillons et fluctuation~3 min
Un échantillon de taille $n$ d'une loi de Bernoulli de paramètre $p$, c'est $n$ répétitions indépendantes de l'épreuve. La fréquence $f$ de succès dans l'échantillon est le nombre de succès divisé par $n$. En Python : $n$ appels de random() < p.
Deux échantillons de même taille n'ont pas la même fréquence : c'est la fluctuation d'échantillonnage. Les fréquences se répartissent autour de $p$, d'autant plus serrées que $n$ est grand.
La dispersion des fréquences est proportionnelle à $\dfrac1{\sqrt n}$. Pour diviser la dispersion par $k$, il faut multiplier la taille par $k^2$ : une précision deux fois meilleure coûte quatre fois plus de mesures, dix fois meilleure cent fois plus.
Exemple : $p=0{,}5$ : $s=0{,}05$ pour $n=100$ ; $s=0{,}025$ pour $n=400$ ; $s=0{,}005$ pour $n=10\,000$.
On simule $N=200$ échantillons de taille $n=50$ avec $p=0{,}3$ et on trace l'histogramme des $200$ fréquences obtenues (ci-dessous).
• Les fréquences s'étalent de $0{,}10$ à $0{,}46$, centrées sur $p=0{,}3$ ; leur moyenne vaut $0{,}302$.
• Leur écart-type (dispersion) est $s\approx0{,}066$ ; on admet que $s\approx\sqrt{\dfrac{p(1-p)}{n}}$, donc de l'ordre de $\dfrac{1}{\sqrt n}$ (ici $\sqrt{0{,}3\times0{,}7/50}\approx0{,}065$).
• Dans $[p-s\,;p+s]$ : $68{,}5\,\%$ des échantillons ; dans $[p-2s\,;p+2s]$ : $95{,}5\,\%$ ; dans $[p-3s\,;p+3s]$ : $99{,}5\,\%$. Les ordres de grandeur à retenir : 68 %, 95 %, 99,7 %.
from random import random
from math import sqrt
def frequence(n, p): # un échantillon de taille n
c = 0
for i in range(n):
if random() < p:
c = c + 1
return c / n
def proportion_dans(N, n, p, k): # part des N échantillons dans [p-ks ; p+ks]
s = sqrt(p * (1 - p) / n)
dedans = 0
for j in range(N):
f = frequence(n, p)
if p - k*s <= f <= p + k*s:
dedans = dedans + 1
return dedans / N # k=1 -> ~0.68, k=2 -> ~0.95, k=3 -> ~0.997
Pour tracer l'histogramme, on stocke les $N$ fréquences dans une liste puis on compte les valeurs par classe (ou matplotlib.pyplot.hist).
• Contrôle qualité : on prélève $n=100$ pièces et on observe $9$ défectueuses ($f=0{,}09$) alors que le fabricant annonce $p=0{,}05$ : $s=\sqrt{0{,}05\times0{,}95/100}\approx0{,}022$, et $0{,}09\gt p+2s\approx0{,}094$ ? Non : $0{,}09\lt 0{,}094$, l'écart peut encore être dû au hasard ; à $f=0{,}10$ on commencerait à douter de $p$.
• Sondages : une estimation « à $\pm2\,\%$ » demande $n\approx2\,500$ personnes ($2s\approx0{,}02$ avec $p\approx0{,}5$).
• Mesures physiques : la moyenne de $n$ mesures est plus précise que chaque mesure, d'un facteur $\sqrt n$ (incertitude de type A).