Clique sur un chapitre pour accéder aux vidéos et exercices corrigés
Imagine que tu lances une pièce de monnaie 100 fois. En théorie, tu devrais obtenir environ 50 fois « pile ». Mais dans la réalité, tu peux tomber sur 47, 52 ou 55 fois « pile » : les résultats fluctuent d'une expérience à l'autre. C'est tout à fait normal, et c'est même le cœur du sujet.
L'intervalle de fluctuation est un outil statistique qui indique dans quel « couloir » de valeurs la fréquence observée a de grandes chances de se trouver. En Seconde, on travaille avec un seuil de 95 %, ce qui veut dire que dans 95 % des cas, la fréquence obtenue sur un échantillon tombera dans cet intervalle.
Cet outil est très utile dans de nombreuses situations concrètes : les sondages (estimer une opinion), le contrôle qualité dans une usine (vérifier le taux de pièces défectueuses), ou encore les expériences aléatoires en classe. Il permet de répondre à une question simple : « Le résultat que j'observe est-il normal, ou bien y a-t-il quelque chose d'anormal ? »
Pour bien comprendre, il faut maîtriser quelques mots-clés. La population est l'ensemble total étudié (par exemple tous les électeurs d'un pays). L'échantillon est une petite partie de cette population que l'on observe réellement (les 1000 personnes interrogées). La probabilité est la valeur théorique attendue dans la population, notée p. La fréquence, notée f, est la valeur réellement observée dans l'échantillon.
La construction de l'intervalle de fluctuation suit une méthode simple qu'il faut appliquer pas à pas. On part d'une probabilité p connue (par exemple 0,5 pour une pièce équilibrée) et d'une taille d'échantillon n. On vérifie ensuite que les conditions d'utilisation sont respectées, puis on applique la formule.
L'idée est de trouver deux nombres, une borne basse et une borne haute, entre lesquelles la fréquence observée a 95 % de chances de tomber. Plus l'échantillon est grand, plus l'intervalle est resserré autour de p.
La formule de l’intervalle de fluctuation au seuil de 95% est la suivante:
$$
I = \left[\, p - 1,96 \frac{\sqrt{p(1-p)}}{\sqrt{n}} \; ; \; p + 1,96 \frac{\sqrt{p(1-p)}}{\sqrt{n}} \,\right]
$$
On peut également utiliser une formule simplifiée qui, plus prudente, donne un intervalle légèrement plus large :
$$
I = \left[\, p - \frac{1}{\sqrt{n}} \; ; \; p + \frac{1}{\sqrt{n}} \,\right]
$$
Cette formule ne peut être utilisée que si trois conditions sont réunies :
Vérifions ces conditions avec p = 0,5 et n = 100 : on a bien 100 ≥ 30, puis 100 × 0,5 = 50 ≥ 5, et 100 × 0,5 = 50 ≥ 5. Les trois conditions sont respectées, on peut donc utiliser la formule.
Prenons un exemple concret de contrôle qualité. Une usine affirme que 10 % de sa production comporte un défaut, soit p = 0,10. On prélève un échantillon de n = 200 pièces pour vérifier.
Étape 1 — Vérification des conditions : n = 200 ≥ 30 ✓, n × p = 200 × 0,10 = 20 ≥ 5 ✓, n × (1−p) = 200 × 0,90 = 180 ≥ 5 ✓. Tout est bon.
Étape 2 — Calcul de l'intervalle :
$$
I = \left[\, 0{,}10 - \frac{1}{\sqrt{200}} \; ; \; 0{,}10 + \frac{1}{\sqrt{200}} \,\right] \approx [\,0{,}029 \; ; \; 0{,}171\,]
$$
Étape 3 — Interprétation : si la fréquence de défauts observée sur les 200 pièces se situe entre 0,029 et 0,171 (soit entre 5,8 et 34 pièces défectueuses environ), le résultat est compatible avec l'annonce de l'usine.
L'intervalle de fluctuation sert avant tout à prendre une décision. Une fois l'intervalle calculé, on compare la fréquence observée f à cet intervalle. Deux cas se présentent.
Cas 1 : f est dans l'intervalle. Le résultat est compatible avec l'hypothèse de départ. On ne trouve rien d'anormal, la valeur observée fait partie des fluctuations habituelles.
Cas 2 : f est en dehors de l'intervalle. On décide alors de remettre en question l'hypothèse. Un résultat aussi éloigné avait moins de 5 % de chances d'arriver par hasard : il est donc raisonnable de douter de l'hypothèse de départ.
Reprenons la pièce de monnaie, avec l'hypothèse qu'elle est équilibrée (p = 0,5). Suivant la taille de l'échantillon, l'intervalle change :
On voit clairement que plus n augmente, plus l'intervalle se resserre. Si sur 200 lancers on obtient 130 fois « pile », soit f = 0,65, la fréquence sort de l'intervalle [0,429 ; 0,571] : on peut alors soupçonner que la pièce est truquée.
Sondage d'opinion : un candidat est crédité de 40 % d'intentions de vote (p = 0,40). Sur un échantillon de 100 personnes, l'intervalle est $[\,0{,}40 - 0{,}1 \; ; \; 0{,}40 + 0{,}1\,] = [\,0{,}30 \; ; \; 0{,}50\,]$. Si le sondage donne 35 %, c'est compatible ; s'il donne 25 %, on remet en cause l'hypothèse de 40%.
Contrôle qualité : une machine doit produire au maximum 5 % de pièces défectueuses (p = 0,05). Si un échantillon donne une fréquence en dehors de l'intervalle, on peut décider de régler ou d'arrêter la machine.
Génétique simple : en croisant deux plantes, on attend théoriquement 25 % de fleurs blanches (p = 0,25). L'intervalle de fluctuation permet de vérifier si les proportions observées sur un échantillon de graines confirment ce modèle.
Rien ne remplace l'entraînement pour maîtriser cette notion ! Sur Corrigeo, tu trouveras des exercices corrigés en vidéo, expliqués pas à pas par des professeurs. On te montre non seulement la bonne réponse, mais surtout la méthode de raisonnement : comment vérifier les conditions, appliquer la formule sans erreur et rédiger une conclusion claire.
Chaque vidéo décompose les difficultés fréquentes (calcul de √n, comparaison de la fréquence, formulation de la décision) pour que tu progresses à ton rythme et gagnes en confiance avant tes contrôles.
Voici l'essentiel à retenir pour réviser efficacement :
📄 FICHE MÉMO — Intervalle de fluctuation
Formule simplifiée (seuil 95 %) : I = [ p − 1/√n ; p + 1/√n ]
Conditions d'utilisation : n ≥ 30 ; n×p ≥ 5 ; n×(1−p) ≥ 5
Méthode : 1) Vérifier les conditions → 2) Calculer 1/√n → 3) Écrire l'intervalle → 4) Comparer f à l'intervalle.
Décision : f dans l'intervalle = compatible ; f en dehors = on remet en question l'hypothèse.
À retenir : plus n est grand, plus l'intervalle est petit.
La probabilité (notée p) est une valeur théorique : c'est ce que l'on attend en moyenne. Par exemple, pour une pièce équilibrée, la probabilité de « pile » est p = 0,5. La fréquence (notée f) est une valeur observée lors d'une expérience réelle. Si tu lances la pièce 100 fois et obtiens 47 fois « pile », la fréquence est f = 0,47. La probabilité est fixe, tandis que la fréquence change à chaque expérience. La moyenne des fréquences observées se rapproche de p quand le nombre d'essais augmente, c’est ce que l’on appelle la loi des grands nombres.
Trois conditions doivent être réunies : l'échantillon doit compter au moins 30 individus (n ≥ 30), et les produits n×p ≥ 5 et n×(1−p) ≥ 5. Ces conditions garantissent que l'échantillon est assez grand pour que la formule soit fiable. Par exemple, avec p = 0,2 et n = 50 : 50 ≥ 30 ✓, 50 × 0,2 = 10 ≥ 5 ✓, et 50 × 0,8 = 40 ≥ 5 ✓. Les trois conditions étant vérifiées, on peut appliquer la formule sans problème.
« Remettre en question » ne veut pas dire rejeter définitivement l'hypothèse, mais plutôt douter de sa validité. Quand la fréquence observée tombe en dehors de l'intervalle de fluctuation, cela signifie qu'un tel résultat avait très peu de chances (moins de 5 %) de se produire si l'hypothèse était vraie. C'est une conclusion statistique, pas une certitude absolue. Il faut donc rester prudent : on peut se tromper, et il est souvent utile de refaire l'expérience ou d'analyser un plus grand échantillon avant de conclure définitivement.
Cet intervalle indique le « couloir » dans lequel la fréquence a 95 % de chances de se trouver. Si la fréquence observée est comprise entre 0,15 et 0,35, elle est compatible avec l'hypothèse de départ : tout est normal. Par exemple, f = 0,22 ou f = 0,30 sont dans l'intervalle. En revanche, si la fréquence est en dehors, comme f = 0,10 ou f = 0,42, alors on remet en question l'hypothèse, car un tel résultat est peu probable et peut signaler une anomalie.