Aller au contenu
Ludicademy
English
Thème Élan
ClairsSombres
S’inscrire
2de · Probabilités

Échantillonnage et loi des grands nombres : quand le hasard finit par s'assagir

Savoir expliquer que la fréquence observée se rapproche de la probabilité quand l'échantillon est grand, et le simuler.

≈ 5 min de lecture · palier 2de · trois questions à la fin

Aligné sur le programme officiel de 2de · rédigé avec l’aide d’une IA, relu et corrigé par l’équipe Ludicademy · mis à jour le 13 octobre 2026 · Notre méthode

En bref
  • Un échantillon de taille $n$ : $n$ répétitions indépendantes de la même expérience.
  • Fréquence observée $f = \frac{k}{n}$, avec $k$ le nombre de réalisations de l'évènement.
  • Deux échantillons de même taille donnent des fréquences différentes : c'est la fluctuation d'échantillonnage.

Lancer une pièce 10 fois ne donne presque jamais 5 piles, et pourtant tout le monde sait que la probabilité vaut 0,5. Ce chapitre explique cet écart et comment le simuler : au contrôle, du vocabulaire précis plus un petit programme Python.

Échantillon, fréquence observée et fluctuation

Un échantillon de taille n est le résultat de n répétitions identiques et indépendantes d'une même expérience. Si l'évènement A est apparu k fois, la fréquence observée de A est f = kn.

Deux échantillons de même taille donnent en général des fréquences différentes : c'est la fluctuation d'échantillonnage. Elle n'est pas une erreur.

On lance une pièce équilibrée. Sur 10 lancers, on obtient 7 piles : f = 0{,}7. Sur 100 lancers, 54 piles : f = 0{,}54. Sur 1 000 lancers, 512 piles : f = 0{,}512. La probabilité théorique vaut 0,5 : les fréquences s'en rapprochent à mesure que n augmente.

La loi des grands nombres

Quand n devient grand, la fréquence observée d'un évènement est proche de sa probabilité, et les fluctuations d'un échantillon à l'autre deviennent de plus en plus faibles. On peut donc estimer une probabilité inconnue par une fréquence observée sur un grand échantillon.

Taille nFréquence de pile avec une pièce équilibrée
10très variable : de 0,2 à 0,8 est courant
100souvent entre 0,4 et 0,6
10 000presque toujours entre 0,48 et 0,52
La loi des grands nombres ne dit pas que le hasard « compense ». Après six piles de suite, une pièce équilibrée donne encore pile avec la probabilité 12 : elle n'a pas de mémoire. La fréquence se stabilise parce que les anciens résultats sont noyés dans la masse des nouveaux.

Simuler avec Python ou un tableur

Simuler, c'est faire jouer l'ordinateur à la place de la pièce. En Python, la fonction random() du module random renvoie un nombre au hasard dans l'intervalle [0 ; 1[. Pour simuler un évènement de probabilité p, on teste si ce nombre est strictement inférieur à p. Dans un tableur, la formule =ALEA() joue le même rôle.

Fréquence de piles sur n lancers (⏎ = retour à la ligne, → = décalage de 4 espaces) : from random import random ⏎ def frequence(n) : ⏎ → c = 0 ⏎ → for i in range(n) : ⏎ → → if random() < 0.5 : ⏎ → → → c = c + 1 ⏎ → return c / n. L'appel frequence(100) donne, par exemple, 0.47 ; frequence(100000) donne presque toujours 0.50 à 0.01 près.

Du modèle à la réalité

Un modèle probabiliste est un choix de probabilités pour les issues. Il vient de la symétrie (dé équilibré : 16 par face) ou de fréquences observées.

On lance 2 000 fois une punaise : elle tombe pointe en l'air 740 fois. On modélise avec P(pointe en l′air) = 7402000 = 0{,}37, donc P(pointe en bas) = 0{,}63.Le modèle n'est pas la réalité : un dé réel peut être légèrement pipé, un sondage peut être biaisé. Si, sur un grand échantillon, la fréquence est très éloignée de la probabilité du modèle, on doute du modèle.

Ne confonds pas la fréquence et l'effectif. Sur 10 000 lancers, l'écart entre le nombre de piles et 5 000 peut très bien être plus grand que sur 100 lancers (par exemple 40 d'écart au lieu de 4). Ce qui diminue avec n, c'est l'écart des fréquences, pas des effectifs.

Méthode : estimer une probabilité par simulation

1. Identifie l'évènement et sa probabilité théorique p si elle est connue.

2. Écris la simulation d'UNE expérience (random() < p, ou randint).

3. Répète-la n fois dans une boucle et compte les succès k.

4. Calcule f = kn ; plus n est grand, plus f est fiable.

Un dé équilibré est lancé 600 fois et la face 5 sort 90 fois. La fréquence observée vaut 90600 = 0{,}15, proche de 16 ≈ 0{,}167. L'écart d'environ 0,017 est une fluctuation normale à cette taille.

À retenir
  • Un échantillon de taille n : n répétitions indépendantes de la même expérience.
  • Fréquence observée f = kn, avec k le nombre de réalisations de l'évènement.
  • Deux échantillons de même taille donnent des fréquences différentes : c'est la fluctuation d'échantillonnage.
  • Loi des grands nombres : pour n grand, la fréquence est proche de la probabilité.
  • Python : random() renvoie un nombre dans [0 ; 1[ ; on teste random() < p pour un évènement de probabilité p.
  • Un modèle est une hypothèse : il peut différer de la situation réelle.

Exercices

Exercice

On lance 600 fois un dé et la face 5 sort 90 fois. Quelle est la fréquence observée de la face 5 ?

90600 = 0{,}15 : on divise l'effectif par la taille de l'échantillon.

Exercice

Que dit la loi des grands nombres ?

Elle porte sur la fréquence pour n grand. Elle n'affirme aucune compensation : les lancers sont indépendants.

Exercice

Une pièce équilibrée vient de donner six piles de suite. Quelle est la probabilité que le lancer suivant donne pile ?

Les lancers sont indépendants, la pièce n'a pas de mémoire. 164 est la probabilité d'avoir six piles d'avance, pas celle du suivant.

Exercice

Une punaise lancée 2 000 fois tombe pointe en l'air 740 fois. Quelle probabilité retient-on dans le modèle pour « pointe en l'air » ?

On estime la probabilité par la fréquence sur un grand échantillon : 7402000 = 0{,}37. 0,63 est la probabilité de l'évènement contraire.

Ce que tu as retenu ?

Dix questions sur ce chapitre, une note sur 20 et ta copie corrigée. Sans compte.

Me tester : 10 questions →

Leçon suivante : Moyenne, médiane, quartiles : trois résumés qui ne disent p… →

Ce chapitre en entier : Échantillonnage et loi des grands nombres

Jouer cette leçon pour la retenir

Expressions à emporter

Expression Traduction
échantillon de taille nn répétitions identiques et indépendantes d'une expérience
fréquence observéek ÷ n, avec k le nombre de réalisations
fluctuation d'échantillonnagela fréquence change d'un échantillon à l'autre
loi des grands nombrespour n grand, la fréquence est proche de la probabilité
random()nombre au hasard dans [0 ; 1[
modèle probabilistechoix de probabilités, qui peut différer de la réalité

Maintenant, jouez-la

Trois questions pour voir

La règle est lue. Voyons si elle est entrée : trois questions, ici même, sans compte.

102 exercices corrigés de maths en 2de → sans compte, corrigés à chaque réponse

La règle est lue ; il reste à la faire entrer. Trois minutes suffisent.

Jouer « le pont de cordes » → Quiz Express · sans compte

Ou choisissez votre salle :

Et côté jeux de société : 🎪 Yams → les règles d'yams

Sur papier : 🖨️ La fiche de cette leçon et la fiche du thème, avec défi et corrigé

Pour réviser : 📝 La fiche de révision et celle du chapitre « probabilités » (7 leçons)

Toutes les leçons 2de