Kala te souhaite la bienvenueKalaMaths
7

Répétition d'expériences et échantillonnage

GRATUIT

Fiche élève

Les énoncés du chapitre, à imprimer ou à travailler à l'écran. Sans compte !

Pour aller plus loin

Réservé aux abonnés : la fiche interactive, le corrigé et la fiche prof.

Fiche interactive

Cours + 2 ateliers manipulables + exos auto-corrigés.

🔒 Réservé aux abonnésEssayer un atelier gratuitementS'abonner pour débloquerou ce chapitre seul, 2,99 €, voir plus bas.

Corrigé

La correction détaillée, avec les rappels utiles.

🔒 Réservé aux abonnésS'abonner pour débloquer

Fiche prof

La version enseignant, pour préparer et animer.

🔒 Réservé aux abonnésS'abonner pour débloquer

Juste besoin de ce chapitre ? Débloquez-le pour 2,99 € : paiement unique, accès à vie (fiche interactive, corrigé, fiche prof et corrigés des exercices).

Avec un code de parrainage, c'est −20 % sur cette première commande.

Débloquer ce chapitre – 2,99 €

Cet achat est réservé à un adulte.

Le chapitre en bref

Ce que tu vas savoir faire

  • Reconnaître une épreuve de Bernoulli et sa loi (paramètre p, E(X)=pE(X) = p).
  • Modéliser une répétition d'expériences indépendantes par un schéma de Bernoulli et la loi binomiale B(n ; p).
  • Calculer une probabilité P(X=k)P(X = k) avec le coefficient binomial et l'espérance E(X)=npE(X) = np.
  • Utiliser un intervalle de fluctuation pour prendre une décision au seuil de 5 %.
  • Estimer une proportion par un intervalle de confiance et simuler un échantillon en Python.

Le plan du chapitre

  1. 1Épreuve et loi de Bernoulli
  2. 2Schéma de Bernoulli et loi binomiale
  3. 3Espérance de la loi binomiale
  4. 4Échantillonnage, fluctuation et prise de décision
  5. 5Estimation, intervalle de confiance et simulation

À retenir

  • Bernoulli : deux issues, succès (proba p) / échec ; E(X)=pE(X) = p.
  • Binomiale B(n ; p)B(n \,;\, p) : n répétitions identiques et indépendantes ; P(X=k)=(nk)pk(1−p)n−kP(X = k) = \binom{n}{k} p^{k}(1-p)^{n-k} et E(X)=npE(X) = np.
  • Fluctuation : d'un échantillon à l'autre, la fréquence f varie autour de p.
  • Décider : si f est hors de l'intervalle [p−1,96p(1−p)n ; p+1,96p(1−p)n][ p - 1{,}96\sqrt{\frac{p(1-p)}{n}} \,;\, p + 1{,}96\sqrt{\frac{p(1-p)}{n}} ], on rejette au seuil de 5 %.
  • Estimer : intervalle de confiance au niveau 0,95 : [f−1n ; f+1n][ f - \frac{1}{\sqrt{n}} \,;\, f + \frac{1}{\sqrt{n}} ] (si n≥30n \ge 30, nf≥5nf \ge 5 et n(1−f)≥5n(1 - f) \ge 5).

Les questions éclair

C'est quoi une épreuve de Bernoulli ?

Une expérience à deux issues : succès (proba p) ou échec (proba 1−p1-p).

Formule de P(X=k)P(X = k) pour B(n ; p)B(n \,;\, p) ?

P(X=k)=(nk)×pk×(1−p)n−kP(X = k) = \binom{n}{k} \times p^{k} \times (1-p)^{n-k}.

Espérance d'une loi binomiale ?

E(X)=n×pE(X) = n \times p.

Quand rejette-t-on une hypothèse au seuil 5 % ?

Quand la fréquence observée f est en dehors de l'intervalle de fluctuation.

Le sais-tu ?

La loi binomiale porte le nom de Jacob Bernoulli, mathématicien suisse dont l'ouvrage Ars Conjectandi a été publié en 1713, après sa mort. C'est dans ce livre qu'apparaît l'une des premières formulations de la « loi des grands nombres » : plus on répète une expérience, plus la fréquence observée d'un événement se rapproche de sa probabilité. C'est exactement l'idée que tu utilises en simulant des échantillons !