Accueil › Programmes › 1ère STMG › Variables aléatoires › Compétence
Compétence · 1ère 1M.VAR.ECH.01 Niveau : Moyen

Étudier la fluctuation d'une fréquence d'échantillon

Simuler des échantillons en Python, calculer s = √(p(1 − p)/n) et l'intervalle [p − 2s ; p + 2s], dire si une fréquence observée est fréquente ou rare, et choisir la taille d'un sondage.

Chapitre : Variables aléatoires Filière : 1ère STMG Temps de maîtrise : ~45 min

Le cours

Échantillons, simulation et fluctuation~4 min

Définition — échantillon, fréquence, fluctuation

Un échantillon de taille $n$ d'une loi de Bernoulli de paramètre $p$, c'est $n$ répétitions indépendantes de l'épreuve (interroger $n$ clients, observer $n$ visites). 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. Ci-dessous, $40$ échantillons de taille $n=50$ simulés avec $p=0{,}3$ : les fréquences vont de $0{,}12$ à $0{,}44$, dispersées autour de $p$.

À retenir — ce qu'on observe sur un grand nombre d'échantillons

On simule $N=200$ échantillons de taille $n=50$ avec $p=0{,}3$ et on trace l'histogramme des $200$ fréquences (ci-dessous).
• Les fréquences s'étalent de $0{,}12$ à $0{,}46$, centrées sur $p=0{,}3$ ; leur moyenne vaut $0{,}2995$.
• Leur écart-type $s$ (dispersion de la série des $200$ fréquences, calculé comme en Seconde) vaut $s\approx0{,}066$.
• Dans $[p-s\,;p+s]=[0{,}234\,;0{,}366]$ : $70{,}5\,\%$ des échantillons ; dans $[p-2s\,;p+2s]=[0{,}168\,;0{,}432]$ : $95{,}5\,\%$ ; dans $[p-3s\,;p+3s]=[0{,}102\,;0{,}498]$ : $100\,\%$. Les ordres de grandeur à retenir : environ 68 %, 95 %, 99,7 %.

À retenir — interpréter une fréquence observée

Dans le modèle « la proportion vaut $p$ », une fréquence observée $f$ est :
• fréquente si elle est à moins de $2s$ de $p$ (c'est le cas d'environ $95\,\%$ des échantillons) : rien d'étonnant ;
• rare si elle est à plus de $2s$ de $p$ (environ $5\,\%$ des échantillons), très rare au-delà de $3s$ (environ $0{,}3\,\%$) : soit on a eu de la malchance, soit le modèle est à revoir (la proportion réelle n'est peut-être pas $p$).
Exemple : Un site annonce $30\,\%$ de clients fidèles ; sur $50$ clients, on en observe $f=0{,}44\gt p+2s=0{,}432$ : situation rare mais pas impossible. Avec $f=0{,}52\gt p+3s$, on douterait sérieusement du $30\,\%$ annoncé.

À retenir — taille d'échantillon et précision

En refaisant la simulation avec des échantillons plus grands ($N=200$ échantillons à chaque fois, $p=0{,}3$) :

taille $n$$50$$200$$800$
écart-type $s$ des fréquences$0{,}066$$0{,}033$$0{,}017$

Quand $n$ est multiplié par $4$, $s$ est divisé par $2$ ; quand $n$ est multiplié par $16$, $s$ est divisé par $4$ : $s$ est de l'ordre de $1/\sqrt n$. Pour diviser la dispersion par $k$, il faut multiplier la taille par $k^2$ : une précision deux fois meilleure coûte quatre fois plus de personnes interrogées, dix fois meilleure cent fois plus. (Constat utile : la simulation donne toujours $s\approx\sqrt{p(1-p)/n}$ ; pour $p=0{,}5$, $s\approx0{,}5/\sqrt n$.)

Méthode — simuler et compter (Python, avec des listes)
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 liste_frequences(N, n, p):       # N échantillons
    return [frequence(n, p) for j in range(N)]
def ecart_type(L):                   # écart-type d'une liste de nombres
    m = sum(L) / len(L)
    v = sum((x - m) ** 2 for x in L) / len(L)
    return sqrt(v)
def proportion_dans(L, p, s, k):     # part des fréquences dans [p-ks ; p+ks]
    dedans = 0
    for f in L:
        if p - k*s <= f <= p + k*s:
            dedans = dedans + 1
    return dedans / len(L)           # k=1 -> ~0.68, k=2 -> ~0.95, k=3 -> ~0.997

L = liste_frequences(200, 50, 0.3), puis s = ecart_type(L) et proportion_dans(L, 0.3, s, 2). Pour l'histogramme : matplotlib.pyplot.hist(L) ; pour le nuage : plot(L, "o").

En gestion / économie — où l'on retrouve ces idées

• Sondages : une estimation « à $\pm2\,\%$ » demande environ $2\,500$ personnes ($2s\approx0{,}02$ avec $p\approx0{,}5$) ; pour $\pm1\,\%$, il en faut $10\,000$.
• Taux de satisfaction, taux de clic : une variation de quelques points d'un mois à l'autre sur un petit échantillon peut n'être que de la fluctuation.

Conçu et validé par Laurent Jacquet, professeur de mathématiques. Qui conçoit les cours ?

Entraîne-toi sur ce cours

Avec un compte gratuit : les QCM et ta Konfiance après chaque question, et le sentier complet d'un chapitre au choix, rappels et épreuve compris.

Créer mon compte gratuit

Déjà inscrit ? Se connecter

Pour aller plus loin

Maîtrise cette compétence avec Konfia

Coach personnel, corrigés détaillés, missions hebdomadaires ciblées sur tes lacunes. Un accompagnement quotidien pour le prix d'un café par mois.

Découvrir l'accompagnement — dès 4,99 €/mois