Distributeur de dodécaèdres : une activité pour comprendre la fluctuation d'échantillonnage et l'intervalle de confiance
Une activité de statistique inférentielle bien conçue tient en une minute chrono et se retient toute une vie. Celle que nous présentons repose sur un distributeur de bonbons rempli de 200 mini-dodécaèdres — dont 56 rouges et 144 jaunes. Le défi : en une minute, obtenir suffisamment de dodécaèdres pour estimer le nombre de rouges sans ouvrir le distributeur. Autour de ce jeu se greffent les quatre notions clés du programme de Seconde en probabilités-statistiques : fluctuation d'échantillonnage, impact de la taille de l'échantillon, intervalle de confiance, et loi des grands nombres.
Le dispositif et la consigne unique
Le distributeur contient $N = 200$ mini-dodécaèdres, dont $56$ rouges et $144$ jaunes. La proportion réelle de rouges est donc $p = 56/200 = 0{,}28$ — mais cette information est gardée secrète par l'enseignant.
La consigne donnée aux élèves se résume à une seule phrase :
« Vous avez une minute pour manipuler le distributeur, sans le dévisser. À l'issue de cette minute, vous devrez proposer une estimation du nombre de dodécaèdres rouges qu'il contient. Celui ou celle qui s'approchera à 5 près de la vraie valeur gagne. »
Aucune méthode n'est imposée ni suggérée. On ne parle ni d'échantillon, ni de fréquence, ni de probabilité. On ne dit pas qu'il faut « compter » quelque chose. Le défi est formulé comme un jeu, pas comme un exercice. C'est précisément cette absence de consignes qui rend l'activité formatrice : les élèves doivent inventer leur méthode.
Ce que les élèves inventent d'eux-mêmes
Quelques stratégies naïves apparaissent en premier :
- « Je fais tomber le plus possible de dodécaèdres et je donne au jugé une estimation »
- « Je secoue fort pour estimer si c'est plutôt rouge ou plutôt jaune. »
- « Je compte à l'œil. »
Rapidement, en particulier chez les élèves les plus méthodiques, une idée plus fine émerge :
« Si j'obtiens 20 dodécaèdres et qu'il y en a 6 rouges, c'est que $6/20$ sont rouges. Et comme il y en a 200 en tout, il doit y avoir environ $200 \times 6/20 = 60$ rouges dans tout le distributeur. »
Les élèves viennent de réinventer, à partir d'un besoin pratique, les deux concepts fondamentaux de la statistique inférentielle :
- la fréquence observée $f = k/n$ dans leur échantillon,
- la règle d'extrapolation $\widehat{N}_{\text{rouges}} = N \times f$ de l'échantillon à la population.
C'est une découverte précieuse : le vocabulaire technique viendra plus tard, mais l'intuition est déjà là — et surtout elle leur appartient. Ils n'ont pas appliqué une formule qu'on leur a dictée ; ils ont inventé la démarche pour résoudre un problème concret.
La révélation : qui a gagné ?
Une fois que tous les élèves ont proposé leur estimation, on les compile au tableau et l'on révèle la vraie valeur : 56 rouges. Voici un tableau typique obtenu en classe :
(valeurs d'illustration, pour $p = 0{,}28$ et $N_{\text{rouges}} = 56$)
| Participant | $n$ | $k$ | $f$ | $200 \times f$ |
|---|---|---|---|---|
| Alice | 18 | 3 | $0{,}167$ | $33$ |
| Baptiste | 24 | 9 | $0{,}375$ | $75$ |
| Chloé | 42 | 12 | $0{,}286$ | $57$ |
| Diego | 37 | 8 | $0{,}216$ | $43$ |
| Elif | 51 | 16 | $0{,}314$ | $63$ |
À ce stade, on ne donne aucun vocabulaire technique. On laisse la classe observer et commenter. Deux constats émergent presque toujours spontanément dans la discussion :
- Les estimations varient énormément d'un élève à l'autre — de 33 à 75 dans notre exemple, alors que la « vraie » valeur est 56. Certains sont très éloignés, d'autres tombent presque juste (Chloé à 57, soit à 1 près).
- Lorsqu'on regarde qui s'est rapproché du but, on remarque que ce sont généralement les élèves qui ont obtenu le plus de dodécaèdres. Ceux qui en ont eu peu se sont trompés plus largement (en moyenne), dans les deux sens (Alice a sous-estimé à 33, Baptiste a surestimé à 75).
On formule ensuite, avec la classe, une règle empirique : « plus on a de dodécaèdres dans la main, plus l'estimation a de chance d'être fiable ». On peut aussi remarquer qu'un petit échantillon peut par chance tomber juste — mais plus souvent il se trompe fortement. L'objectif n'est pas encore la démonstration ; c'est la construction d'une intuition statistique.
Plus tard dans la séquence, lorsqu'on rencontrera les notions de fluctuation d'échantillonnage, d'intervalle de confiance et de loi des grands nombres, les élèves pourront rattacher chaque formule à ce qu'ils ont vécu autour du distributeur. Les théorèmes ne seront plus des règles tombées du ciel, mais la mise en forme mathématique d'une observation qu'ils ont faite eux-mêmes. Le sens précède le formalisme, et la rétention s'en trouve considérablement améliorée.
Formalisation : fréquence observée et probabilité
Revenons à ce que les élèves ont découvert. Quand on prélève un dodécaèdre « au hasard » dans le distributeur, on réalise une expérience aléatoire dont l'événement « le dodécaèdre est rouge » a une probabilité théorique $p$ (ici, $p = 0{,}28$).
Pour un échantillon de taille $n$, on note $f = k/n$ la fréquence observée de l'événement. Ce nombre $f$ n'est pas égal à $p$ en général : il en est une estimation, dont la qualité dépend de $n$. C'est exactement ce que la classe vient d'observer empiriquement.
Les deux phénomènes remarqués dans la discussion portent un nom mathématique :
- La variabilité des fréquences empiriques autour de la probabilité théorique s'appelle la fluctuation d'échantillonnage.
- La réduction de l'écart entre fréquence et probabilité avec l'augmentation de la taille de l'échantillon illustre la loi des grands nombres.
La loi des grands nombres (programme de Seconde)
Le programme de Seconde énonce la loi des grands nombres sous la forme suivante :
Loi des grands nombres (énoncé de Seconde). On considère une expérience aléatoire et un événement $E$ de cette expérience aléatoire. Lorsque $n$ est grand, sauf exception, la fréquence observée de $E$ sur un échantillon de taille $n$ est proche de la probabilité de $E$.
Autrement dit : plus on tire de dodécaèdres, plus la fréquence $f$ a de chance de se rapprocher de $p$. L'énoncé est volontairement non-quantitatif en Seconde — il s'agit de faire sentir la régularité asymptotique, sans encore chiffrer la vitesse de convergence.
C'est exactement ce qu'expérimentent les élèves : celui qui n'obtient que 18 dodécaèdres a une fréquence très bruitée ; celui qui en obtient 51 a une fréquence plus stable.
Intervalle de confiance (programme de Seconde)
Lorsque la taille de l'échantillon est suffisante, on peut encadrer la vraie probabilité $p$ par un intervalle construit à partir de $f$. Le programme de Seconde donne la formule suivante :
Intervalle de confiance au niveau de confiance d'au moins 95 %.
Soit un échantillon de taille $n$ issu d'une expérience aléatoire et $f$ la fréquence observée d'un événement $E$. Sous les conditions
$n \geq 30, \qquad n f \geq 5, \qquad n(1 - f) \geq 5,$
la probabilité $p$ de l'événement $E$ appartient, avec un niveau de confiance d'au moins 95 %, à l'intervalle
$\displaystyle I_n = \left[\, f - \frac{1}{\sqrt{n}}\, ;\, f + \frac{1}{\sqrt{n}}\, \right].$
Appliquons la formule aux participants qui vérifient les trois conditions :
| Participant | $n$ | $f$ | $nf$ | $n(1-f)$ | Conditions | $I_n$ |
|---|---|---|---|---|---|---|
| Alice | 18 | $0{,}167$ | $3$ | $15$ | ❌ $n < 30$ et $nf < 5$ | — |
| Baptiste | 24 | $0{,}375$ | $9$ | $15$ | ❌ $n < 30$ | — |
| Chloé | 42 | $0{,}286$ | $12$ | $30$ | ✔ | $[0{,}131\, ;\, 0{,}440]$ |
| Diego | 37 | $0{,}216$ | $8$ | $29$ | ✔ | $[0{,}052\, ;\, 0{,}381]$ |
| Elif | 51 | $0{,}314$ | $16$ | $35$ | ✔ | $[0{,}174\, ;\, 0{,}454]$ |
Les trois intervalles de Chloé, Diego et Elif contiennent bien la vraie valeur $p = 0{,}28$ : c'est l'observation empirique du niveau de confiance. En multipliant les bornes par 200, on obtient une fourchette d'estimation du nombre de rouges dans le distributeur (pour Elif : entre 35 et 91 rouges, qui encadre effectivement la vraie valeur 56).
L'impact de la taille de l'échantillon
La largeur de l'intervalle $I_n$ est $2/\sqrt{n}$. Elle décroît en $1/\sqrt{n}$ : pour diviser la marge d'erreur par $2$, il faut quadrupler la taille de l'échantillon.
| $n$ | Largeur $2/\sqrt{n}$ | Commentaire |
|---|---|---|
| $30$ | $0{,}365$ | CI très large, estimation peu précise |
| $100$ | $0{,}200$ | Précision classique pour un sondage scolaire |
| $400$ | $0{,}100$ | Précision des sondages nationaux (±5 %) |
| $10\,000$ | $0{,}020$ | Enquêtes de grande ampleur |
C'est pour cette raison que les sondages d'opinion, qui cherchent une marge d'erreur de l'ordre de $3$ à $4$ %, interrogent en général entre 1000 et 1500 personnes. L'activité du distributeur fait toucher du doigt cette règle fondamentale.
La loi faible des grands nombres (programme de Terminale)
En Terminale, la loi des grands nombres prend une forme quantitative et probabiliste rigoureuse :
Loi faible des grands nombres (énoncé de Terminale).
Soit $X$ une variable aléatoire et $(X_1, X_2, \ldots, X_n)$ un échantillon de taille $n$ de loi de $X$ (variables indépendantes et identiquement distribuées). On note $M_n$ la variable aléatoire moyenne associée à cet échantillon :
$\displaystyle M_n = \frac{X_1 + X_2 + \cdots + X_n}{n}.$
Pour tout réel $a > 0$,
$\displaystyle \lim_{n \to +\infty} P\bigl(|M_n - \mathbb{E}(X)| \geq a\bigr) = 0.$
Appliquons cet énoncé à notre expérience. On définit $X_i$ la variable aléatoire qui vaut $1$ si le $i$-ième dodécaèdre prélevé est rouge, et $0$ sinon. Chaque $X_i$ suit une loi de Bernoulli de paramètre $p$, donc $\mathbb{E}(X_i) = p$.
La moyenne empirique $M_n$ coïncide avec la fréquence observée $f$ :
La loi faible des grands nombres s'écrit alors :
Elle quantifie ce que l'énoncé de Seconde n'énonçait que qualitativement : la probabilité que la fréquence observée s'écarte de plus de $a$ de la vraie probabilité devient arbitrairement petite lorsque $n$ croît.
La démonstration usuelle passe par l'inégalité de Bienaymé-Tchebychev :
Le majorant tend vers $0$ quand $n \to +\infty$, ce qui donne le résultat. Cet encadrement permet aussi de fonder rigoureusement la formule de l'intervalle de confiance de Seconde.
Variante pédagogique : le challenge et la fluctuation
La manipulation d'une minute, mise en scène comme un défi, a un effet pédagogique supplémentaire : elle rend visible et acceptable le fait que la fréquence observée puisse s'écarter fortement de la probabilité. Un élève qui a agité le distributeur comme un forcené et obtenu $n = 50$ peut tomber sur $f = 0{,}18$ alors que $p = 0{,}28$. L'écart n'est pas une erreur de calcul : c'est la fluctuation, et l'intervalle de confiance la quantifie.
Pour l'enseignant, c'est un levier précieux. Beaucoup d'élèves arrivent en Seconde convaincus que « la probabilité est la fréquence » ou que « le hasard ne suit aucune règle ». Le distributeur permet de faire évoluer l'intuition des élèves.
Progression en classe (Seconde)
- Le défi, sans consignes mathématiques. Chaque élève passe une minute au distributeur. La seule consigne : estimer à 5 près le nombre de rouges. Les élèves inventent leur méthode (calcul de fréquence, extrapolation). Relevé des $(n_i, k_i)$ et des estimations.
- La révélation et l'intuition. On annonce la vraie valeur ($56$ rouges) et le gagnant. Discussion avec la classe : pourquoi certaines estimations sont-elles meilleures ? Qu'ont en commun les meilleures estimations ? Formulation collective de la règle « plus d'échantillon = plus de précision, en général ». Introduction du vocabulaire : fréquence observée, fluctuation d'échantillonnage.
- Loi des grands nombres et intervalle de confiance. Énoncé de la loi des grands nombres (version Seconde) et de la formule $I_n = [f - 1/\sqrt{n}\,;\, f + 1/\sqrt{n}]$ avec ses trois conditions. Pour chaque élève vérifiant les conditions, calcul de $I_{n_i}$ et de l'intervalle multiplié par 200. Vérification que la plupart des intervalles contiennent bien 56.
- Simulation informatique. Qu'obtient-on si chacun avait tiré $n = 100$ dodécaèdres ? On simule l'expérience en Python ou sur tableur et l'on représente la distribution des $f$ obtenus. La classe observe que la courbe se concentre autour de $p = 0{,}28$ et que la dispersion diminue quand $n$ augmente.
L'ordre est essentiel : le défi précède systématiquement les formules. Un élève qui a cherché à gagner sans savoir quoi faire, qui a inventé le calcul de fréquence pour sa propre estimation, puis qui a vu la dispersion au tableau, aura beaucoup plus de facilité à retenir et utiliser les théorèmes qui viendront ensuite.
Prolongement en Terminale
Pour une classe de Terminale (spécialité mathématique), la même manipulation peut servir de point de départ pour :
- La démonstration de la loi faible via Bienaymé-Tchebychev.
- La comparaison avec la planche de Galton, qui montre expérimentalement la gaussienne limite.
Un objet qui raconte une règle fondamentale
Le distributeur de dodécaèdres n'est pas seulement un gadget : c'est un petit laboratoire de statistique inférentielle. En moins de cinq minutes, un élève touche du doigt ce qu'un sondeur, un contrôleur qualité ou un épidémiologiste passent leur vie professionnelle à apprivoiser : la fréquence observée fluctue autour de la probabilité, et cette fluctuation diminue avec la racine carrée de la taille de l'échantillon.
Pour un enseignant de Seconde, l'objet permet de démarrer la séquence sur les fréquences, les probabilités et les intervalles de confiance avec une manipulation qui frappe les esprits. Pour la semaine des mathématiques ou un stand de la fête de la science, il constitue une animation de quelques minutes, accessible du collège à l'adulte.
Vous commandez pour un établissement public ?
Ajoutez le distributeur à votre panier puis cliquez sur « Devis établissement public » pour recevoir un devis officiel par email. Nous acceptons les bons de commande et Chorus Pro.
-5 % dès 200 € de commande pour les établissements publics.
Frais de port offerts à partir de 60 €. Pour toute question : 06 51 63 82 07 ou contact@laboutiquedesmaths.fr