Mathématiques · Terminale · Géométrie de l'Espace · 3e Trimestre

Loi des grands nombres

Les élèves comprennent la convergence de la fréquence vers la probabilité et ses implications.

• Programmes Officiels
• EDNAT: MAT.TLE.59
• EDNAT: MAT.TLE.60

À propos de ce thème

La loi des grands nombres constitue un fondement essentiel des probabilités en Terminale. Les élèves comprennent que la fréquence relative d'un événement converge vers sa probabilité théorique à mesure que le nombre d'essais augmente. Ce principe explique pourquoi la moyenne d'un grand échantillon fournit un bon estimateur de la valeur attendue, avec des applications directes dans les sondages électoraux ou les assurances.

Au cœur du programme EDNAT (MAT.TLE.59 et MAT.TLE.60), ce thème intègre l'inégalité de Bienaymé-Tchebychev, qui quantifie la dispersion et borne la probabilité que la moyenne s'éloigne trop de l'espérance. Les élèves analysent l'impact du volume d'échantillon sur la précision : plus de tirages réduisent la variabilité. Cela développe une intuition statistique rigoureuse, essentielle pour interpréter des données réelles.

Les méthodes actives bénéficient particulièrement à ce sujet abstrait. Quand les élèves réalisent des simulations collaboratives, tracent des histogrammes de fréquences et comparent leurs résultats en classe, la convergence devient visible et mémorable. Cela favorise une compréhension profonde par l'expérience directe.

Questions clés

1. Pourquoi la moyenne d'un grand échantillon est-elle un bon estimateur?
2. Comment l'inégalité de Bienaymé-Tchebychev quantifie-t-elle la dispersion?
3. Quel est l'impact du nombre de tirages sur la précision d'un sondage?

Objectifs d'apprentissage

• Analyser la convergence de la fréquence observée vers la probabilité théorique pour un événement donné en fonction du nombre d'expériences.
• Calculer l'intervalle de confiance pour la moyenne d'un échantillon en utilisant l'inégalité de Bienaymé-Tchebychev.
• Expliquer comment l'augmentation de la taille de l'échantillon réduit la marge d'erreur dans une estimation probabiliste.
• Comparer la précision des estimations obtenues avec différents nombres de répétitions d'une expérience aléatoire.
• Démontrer l'application de la loi des grands nombres dans l'interprétation des résultats de sondages simples.

Avant de commencer

Probabilités conditionnelles et indépendance

Pourquoi : La compréhension de la notion de probabilité d'un événement est fondamentale avant d'aborder sa convergence.

Variables aléatoires discrètes et continues

Pourquoi : Les élèves doivent être familiers avec les concepts de variables aléatoires et de leur espérance mathématique pour comprendre la convergence de la moyenne.

Statistiques descriptives : Moyenne et Variance

Pourquoi : La notion de moyenne d'un échantillon et sa dispersion (variance) sont directement liées aux concepts étudiés dans la loi des grands nombres.

Vocabulaire clé

Fréquence observée	Rapport entre le nombre d'occurrences d'un événement et le nombre total d'expériences réalisées. C'est une estimation empirique de la probabilité.
Probabilité théorique	Valeur attendue de la probabilité d'un événement dans un modèle probabiliste idéal, souvent calculée avant toute expérience.
Convergence	Tendance de la fréquence observée à se rapprocher de la probabilité théorique lorsque le nombre d'expériences augmente indéfiniment.
Inégalité de Bienaymé-Tchebychev	Théorème qui fournit une borne supérieure à la probabilité qu'une variable aléatoire s'écarte de son espérance mathématique, indépendamment de sa loi de distribution.
Espérance mathématique	Moyenne théorique des valeurs d'une variable aléatoire, représentant la valeur moyenne attendue sur un grand nombre d'observations.

Attention à ces idées reçues

Idée reçue courante

La fréquence converge rapidement après 10 ou 20 essais.

Ce qu'il faut enseigner à la place

En fait, la convergence nécessite souvent des milliers d'essais pour être stable. Les simulations en groupe, où les élèves comparent leurs courbes de fréquences, révèlent cette lenteur et corrigent l'intuition par des données collectives.

Idée reçue courante

Un grand nombre d'essais garantit toujours le résultat exact.

Ce qu'il faut enseigner à la place

La loi des grands nombres assure une convergence en probabilité, pas une certitude absolue. Les activités de traçage d'histogrammes montrent la variabilité persistante, aidant les élèves à intégrer l'inégalité de Tchebychev via des discussions structurées.

Idée reçue courante

La probabilité est la fréquence observée dès le premier essai.

Ce qu'il faut enseigner à la place

La probabilité est une propriété théorique, révélée par la répétition. Les sondages en classe, avec agrégation progressive, permettent aux élèves de voir l'approche graduelle et de déconstruire cette confusion par l'observation partagée.

Idées d'apprentissage actif

Simulation en petits groupes: Lancers de dé

Chaque groupe lance un dé à 6 faces 200 fois et enregistre les fréquences de chaque face. Ils calculent la fréquence relative pour la face 1 et la comparent à la probabilité théorique de 1/6. Enfin, ils tracent un graphique de l'évolution de la fréquence au fil des tirages.

45 min·Petits groupes

Sondage whole class: Préférences électorales

La classe vote anonymement sur un choix fictif (ex. : couleur préférée). Réalisez 10 tirages successifs en agrégeant les voix, calculez les fréquences cumulées et discutez de la stabilisation. Utilisez un tableau partagé au tableau.

30 min·Classe entière

Paires: Inégalité de Tchebychev

En paires, simulez 100 tirages d'une variable centrée réduite (ex. : pile-face moins espérance). Calculez la proportion d'écarts supérieurs à k écarts-types pour k=2. Comparez à la borne 1/k² et discutez des implications.

35 min·Binômes

Individuel: Logiciel de simulation

Chaque élève utilise un tableur ou GeoGebra pour simuler 1000 lancers d'une pièce et observe la convergence. Ils varient le nombre de lancers (100, 500, 1000) et exportent des graphiques pour un rapport.

40 min·Individuel

Liens avec le monde réel

• Dans le domaine des assurances, les actuaires utilisent la loi des grands nombres pour estimer la fréquence des sinistres (accidents, maladies) sur une large population. Cela leur permet de calculer les primes d'assurance de manière à couvrir les coûts futurs et à assurer la rentabilité de l'entreprise.
• Les sondeurs politiques appliquent ce principe pour estimer les intentions de vote. En interrogeant un échantillon représentatif de la population, ils utilisent la fréquence des réponses pour projeter les résultats d'une élection, tout en étant conscients de la marge d'erreur liée à la taille de l'échantillon.

Idées d'évaluation

Vérification rapide

Présentez aux élèves un scénario simple : lancer un dé équilibré 10 fois, puis 100 fois. Demandez-leur d'écrire sur une fiche : 1. Quelle est la probabilité théorique d'obtenir un 6 ? 2. Quelle fréquence observée s'attendent-ils à obtenir après 10 lancers ? Après 100 lancers ? Justifiez brièvement.

Question de discussion

Posez la question suivante : 'Imaginez que vous devez estimer la proportion de pièces de monnaie défectueuses dans un lot de 10 000. Vous ne pouvez en tester que 100. Comment la loi des grands nombres vous aide-t-elle à interpréter votre résultat ? Quels sont les limites de votre estimation ?'

Billet de sortie

Donnez aux élèves l'énoncé de l'inégalité de Bienaymé-Tchebychev. Demandez-leur de reformuler avec leurs propres mots ce que cette inégalité permet de quantifier et d'expliquer pourquoi elle est utile pour évaluer la fiabilité d'une moyenne calculée sur un échantillon.

Questions fréquentes

Pourquoi la moyenne d'un grand échantillon est-elle un bon estimateur?

La loi des grands nombres garantit que la moyenne empirique converge vers l'espérance mathématique quand l'échantillon grandit. Cela repose sur la stabilité statistique : la variabilité diminue comme 1/√n. Dans les sondages, un échantillon de 1000 personnes donne une précision d'environ 3 %, rendant l'estimateur fiable pour prédire des tendances réelles.

Comment l'inégalité de Bienaymé-Tchebychev quantifie-t-elle la dispersion?

Cette inégalité borne la probabilité que |moyenne - espérance| ≥ k σ / √n par 1/k², sans hypothèses de distribution. Elle mesure la concentration autour de la moyenne pour tout échantillon. Les élèves l'appliquent à des simulations pour vérifier empiriquement cette borne universelle, renforçant leur confiance en l'analyse probabiliste.

Quel est l'impact du nombre de tirages sur la précision d'un sondage?

Plus le nombre de tirages augmente, plus l'écart-type de la fréquence (√(p(1-p)/n)) diminue, améliorant la précision. Par exemple, doubler n divise l'erreur par √2. Les élèves modélisent cela via des simulations pour quantifier : 100 tirages donnent ~10 % d'erreur, 1000 ~3 %.

Comment l'apprentissage actif aide-t-il à comprendre la loi des grands nombres?

Les simulations manuelles ou numériques, en petits groupes ou en classe entière, rendent la convergence observable : les élèves voient leurs fréquences osciller puis se stabiliser. Tracer des graphiques collectifs et discuter des écarts initiaux développe l'intuition. Cela surmonte l'abstraction en liant théorie et expérience, avec une rétention accrue par la manipulation de données personnelles.