À quoi sert une simulation ?
Un assureur, un sondeur ou un physicien ne connaissent presque jamais l'espérance exacte de la grandeur qui les intéresse. Ils observent un échantillon et espèrent que sa moyenne en est proche. Dans ce chapitre, tu fais cette expérience toi-même avec Python ou un tableur : tu simules une variable aléatoire, tu calcules la moyenne d'échantillons, puis tu mesures l'écart entre cette moyenne et l'espérance.
Ce que tu sauras faire
Simuler une variable aléatoire
Simuler une variable aléatoire , c'est faire produire à l'ordinateur des valeurs qui se comportent comme des réalisations de : chaque appel donne une valeur, et les appels sont indépendants les uns des autres. Le résultat change donc à chaque exécution.
Le cas d'un dé
La fonction randint(1, 6) du module random renvoie un entier de 1 à 6, bornes comprises, chaque valeur ayant la probabilité .
from random import randint
def X():
return randint(1, 6)
Avec un tableur, la formule =ALEA.ENTRE.BORNES(1;6) recopiée vers le bas joue le même rôle et se recalcule à chaque modification de la feuille.
Exemple
est le résultat d'un dé équilibré. et . Donc et .
Le cas d'une loi quelconque
La fonction random() renvoie un nombre de ; la probabilité qu'il tombe dans un intervalle est la longueur de cet intervalle. Pour simuler une loi donnée, on découpe en intervalles dont les longueurs sont les probabilités des valeurs.
from random import random
def gain():
u = random()
if u < 0.5:
return 0
elif u < 0.8:
return 10
else:
return 20
Exemple
Ce programme simule la variable de loi , et (la somme vaut bien ). Alors , , et .
Moyenne d'un échantillon
Un échantillon de taille de est une liste de réalisations indépendantes . Sa moyenne est .
def moyenne(n):
s = 0
for i in range(n):
s = s + X()
return s / n
Lecture : s cumule les valeurs, initialisée à ; la boucle tourne fois, avec une nouvelle réalisation à chaque tour ; le return, aligné sur le for, est exécuté une seule fois, après la boucle, et divise la somme par .
Exemple
Pour moyenne(3), si les trois appels de X() donnent , puis , s prend les valeurs et la fonction renvoie .
Dans un tableur, on remplit cellules avec la formule de simulation, puis =MOYENNE(A1:A100) donne la moyenne de l'échantillon de taille .
Distance entre la moyenne et l'espérance
La moyenne d'un échantillon est elle-même aléatoire : elle change d'un échantillon à l'autre. L'écart entre et l'espérance est la distance . Avec le dé (), plusieurs appels de moyenne(10) donnent typiquement des valeurs dispersées, entre et . Plusieurs appels de moyenne(10000) donnent des valeurs presque identiques, à quelques centièmes de .
Ce qu'on observe : plus la taille est grande, plus la moyenne observée est proche de . C'est le principe de l'estimation : on estime l'espérance d'une variable aléatoire par la moyenne d'un échantillon. Il en va de même pour une population : la moyenne d'un échantillon tiré au hasard estime la moyenne de la variable statistique dans la population. Une simulation illustre ce principe, elle ne le démontre pas.
Pour mesurer l'écart, on le compare à la quantité , où est l'écart type de la variable. La figure traite une pièce équilibrée : si pile, si face, donc et , d'où . Elle montre la bande .
Exemple lu sur la figure. Pour , la borne haute passe par et la borne basse par : le seuil de comparaison pour un échantillon de 25 lancers est donc : dans environ des échantillons, l'écart reste inférieur à . Pour , la borne haute passe par : le seuil est . Quadrupler divise le seuil par .
Le seuil
Pour une variable d'espérance et d'écart type , et un échantillon de taille de moyenne , le seuil est . Dire que l'écart est inférieur ou égal à ce seuil, c'est écrire , soit .
Exemple
Pour le dé, . Avec : , donc . Avec : . Une moyenne observée de pour donne l'écart : elle est dans la bande.
Simuler N échantillons et calculer une proportion
Un seul échantillon ne dit rien de la fréquence à laquelle la moyenne reste dans la bande. On simule donc échantillons de taille et on compte ceux pour lesquels .
from math import sqrt
def proportion(N, n):
mu = 3.5
sigma = sqrt(35 / 12)
compteur = 0
for i in range(N):
m = moyenne(n)
if abs(m - mu) <= 2 * sigma / sqrt(n):
compteur = compteur + 1
return compteur / N
Exemple
proportion(1000, 100) simule échantillons de taille du dé. Si compteur vaut à la fin, la fonction renvoie : dans des cas, la moyenne est à moins de de . À chaque exécution, le nombre change un peu ; on observe en général une proportion proche de , et elle reste du même ordre quand on change .
Les pièges
- Confondre (nombre d'échantillons) et (taille d'un échantillon).
- Oublier d'initialiser
sà , ou mettre lereturndans la boucle : la fonction s'arrête au premier tour. - Diviser par au lieu de dans
moyenne. - Oublier la valeur absolue : l'écart peut être négatif.
- Utiliser au lieu de , ou la variance au lieu de l'écart type.
- Écrire
randint(0, 6)pour un dé :0est alors possible. - Conclure que la moyenne d'un échantillon est égale à : elle en est seulement proche, et la proportion observée change à chaque exécution.
Ce qu'il faut retenir
- Simuler :
randint(a, b)pour des entiers équiprobables,random()découpé en intervalles pour une loi quelconque. - La moyenne d'un échantillon de taille est : dans la fonction, on cumule dans la boucle et on renvoie
s / naprès elle. - La moyenne change d'un échantillon à l'autre ; plus est grand, plus est proche de .
- La moyenne d'un échantillon estime l'espérance (ou la moyenne de la population).
- Le seuil est : multiplier par le divise par .
- Pour échantillons, la proportion est (nombre d'échantillons avec ) divisé par ; elle est en général proche de .
À l'épreuve
L'épreuve écrite dure heures, sans calculatrice. Elle comprend points d'automatismes et points d'exercices indépendants ; la maîtrise de la langue est prise en compte.
Dans ce chapitre, tu dois savoir lire un script Python qui simule une variable aléatoire ou calcule une moyenne d'échantillon, calculer l'espérance, l'écart type et le seuil d'une loi donnée, et interpréter une proportion obtenue par simulation en la rattachant à l'inégalité . Une simulation donne une observation, pas une preuve.