Maths · 1ʳᵉ · Probabilités et statistiques
Simulation et moyenne d’échantillon
- Aligné sur le programme officiel de 1ʳᵉ
- 16 questions pour les contrôles
- Contrôle noté sur 20
- Rédigé avec l’aide d’une IA, relu et corrigé
Simuler des échantillons avec Python ou un tableur et observer l’écart entre la moyenne d’un échantillon et l’espérance.
Me tester : 10 questions Lire la leçon
1 leçon 6 exercices corrigés Notre méthode
Je prépare mon DST
Six étapes, dans l’ordre : elles se cochent toutes seules quand tu les fais.
L’essentiel
Au programme du contrôle
- simuler une variable aléatoire avec Python ou un tableur
- fonction Python renvoyant la moyenne d’un échantillon de taille n
- distance entre moyenne d’échantillon et espérance
- simuler N échantillons de taille n
- proportion des écarts inférieurs à 2σ/√n
- estimation de l’espérance par une moyenne observée
En Python (module random), random() renvoie un réel de [0;1[ au hasard et randint(a,b) un entier de a à b inclus. Un tableur utilise ALEA() et ALEA.ENTRE.BORNES(a;b). Pour une loi quelconque, on découpe [0;1[ en intervalles de longueurs pi.
À retenir
- random() renvoie un réel de [0;1[, randint(a,b) un entier de a à b inclus.
- Pour simuler une loi, on découpe [0;1[ en intervalles de longueurs pi.
- La moyenne d'un échantillon de taille n fluctue d'une simulation à l'autre.
- Dans environ 95 % des cas, l'écart avec E(X) est au plus 2σ√n.
- Pour diviser cet écart par 2, on multiplie n par 4.
- La moyenne observée sur un grand échantillon estime l'espérance.
Exemples
X vaut 0, 1, 2 avec 0{,}2, 0{,}5, 0{,}3 : def X(): u=random(); return 2 if u>0.7 else 1 if u>0.2 else 0.
Pour la loi précédente (E(X)=1{,}1), moyenne(10) peut valoir 0{,}8 ou 1{,}4, mais moyenne(10000) reste très proche de 1{,}1.
Avec E(X)=1{,}1, σ=0{,}7 et n=100 : 2σ√n=1{,4}{10}=0{,}14, donc M100 est dans [0{,}96 ;1{,}24] dans environ 95 % des…
Le piège
randint(1,6) inclut le 6, alors que range(1,6) s'arrête à 5 : ne confonds pas les deux.
Le piège
La moyenne d'un échantillon n'est pas l'espérance : elle s'en rapproche quand n grandit, sans être garantie égale.
Les leçons du chapitre
Exercices corrigés
Choisis une réponse : la correction s’affiche aussitôt.
Quelle instruction simule un dé équilibré à six faces ?
randint(1,6) renvoie un entier de 1 à 6 inclus ; random() renvoie un réel et range(1,6) n'est pas aléatoire.
Quelle expression est vraie avec la probabilité 0{,}3 ?
random() est uniforme sur [0;1[ : la probabilité d'être supérieur à 0{,}7 vaut 0{,}3 (supérieur à 0{,}3 donnerait 0{,}7).
Pour σ=2 et n=100, que vaut 2σ√n ?
2×2√100=410=0{,}4.
Par quel facteur multiplie-t-on n pour diviser 2σ√n par 2 ?
√4n=2√n : avec 4n le dénominateur double et l'écart est divisé par 2.
Sur 400 relevés, la moyenne est 12 et σ=5. Quel intervalle estime l'espérance ?
2×5√400=1020=0{,}5, donc 12±0{,}5.
Sur 1000 échantillons de taille n, 953 respectent l'écart 2σ√n. Que conclure ?
9531000=95{,}3 % : proche de 95 %, ce que prévoit la propriété ; elle ne vaut pas 100 %.
Se tester : le contrôle du chapitre
Deux contrôles, d’autres questions dans chacun : le QCM (tu choisis la réponse) et le contrôle écrit (tu la tapes, comme sur ta copie). Une note sur 20 et ta copie corrigée comme en classe.
Réviser en jouant
La leçon est lue ; un jeu la fait entrer. Trois minutes, sans compte.
Les questions qu’on se pose
Dans une simulation en Python, quelle instruction renvoie un entier aléatoire de 1 à 6 inclus ?
Réponse : randint(1,6)
Deux simulations d'un même échantillon de taille 50 donnent des moyennes d'échantillon différentes. Quel nom donne-t-on à ce phénomène ?
Réponse : la fluctuation d'échantillonnage
Quand on augmente la taille d'un échantillon simulé, comment se comporte en général sa moyenne ?
Réponse : Elle se rapproche de l'espérance



