Retour à la leçon

Guide de l'enseignant: Distributions discrètes vs continues

Apprends la différence entre les distributions de probabilité discrètes et continues, et quand utiliser chaque type.

Présenter la leçonPartager dans ClassroomVoir la page élève

Utiliser cette leçon en classe

Gratuit, sans compte élève.

Partager avec les élèves

Les élèves ouvrent la leçon et s'entraînent avec une correction immédiate.

Fiche d'exercices à imprimer

Tous les exercices sur papier, avec un corrigé séparé.

Fiche d'exercices Corrigé

Quiz de classe

10 questions sur Distributions de probabilité. Les élèves participent avec un prénom, vous voyez tous les scores.

Pour les enseignants

Objectifs d'apprentissage
  • Distinguer entre variables aléatoires discrètes et continues
  • Identifier si des quantités du monde réel sont discrètes ou continues
  • Comprendre la différence entre PMF (discret) et PDF (continu)
  • Calculer des probabilités pour des distributions discrètes
  • Expliquer pourquoi P(X = valeur exacte) = 0 pour les distributions continues
Prérequis
  • • Compréhension de base des probabilités (échelle de 0 à 1)
  • • Familiarité avec les fractions et les décimales
  • • Compréhension du concept de variable
Amorces de discussion
  • 1. Peux-tu penser à une variable qui semble continue mais est en fait discrète ?
  • 2. Pourquoi penses-tu que c'est important d'utiliser une distribution discrète ou continue ?
  • 3. Comment expliquerais-tu la différence entre 'compté' et 'mesuré' à un élève plus jeune ?
  • 4. Que se passe-t-il si un scientifique utilise le mauvais type de distribution pour ses données ?
Idées reçues courantes

Penser que toutes les mesures sont discrètes parce que les mesures numériques sont arrondies

Remédiation: Explique que l'arrondissement est une limitation pratique, pas une propriété de la variable. La vraie taille d'une personne existe même si on ne mesure qu'au cm près.

Croire que continu signifie 'peut prendre de grandes valeurs'

Remédiation: Utilise des contre-exemples : Le nombre d'atomes dans l'univers est discret (bien qu'énorme), tandis que la probabilité (0 à 1) est continue (bien que bornée).

Idées de différenciation

Pour les élèves en difficulté:

  • • Concentre-toi uniquement sur la règle 'compté vs mesuré'
  • • Utilise seulement des exemples familiers (dés, tailles, temps)
  • • Fournis un arbre de décision : Peut-on en avoir la moitié ? → Si non, discret

Pour les élèves au niveau:

  • • Classifie des cas ambigus comme l'argent ou l'âge
  • • Calcule des probabilités discrètes simples
  • • Esquisse des diagrammes en barres pour discret et des courbes pour continu

Pour les élèves avancés:

  • • Introduis formellement les concepts de PMF et PDF
  • • Explore pourquoi P(X=x)=0 pour les distributions continues avec les limites
  • • Discute des distributions mixtes (partiellement discrètes, partiellement continues)
Alignement aux standards
  • HSS.MD.A.1 (CCSS.MATH.CONTENT.HSS.MD.A.1)

    Définir une variable aléatoire pour une quantité d'intérêt

  • HSS.MD.A.2 (CCSS.MATH.CONTENT.HSS.MD.A.2)

    Calculer l'espérance d'une variable aléatoire

Ressources de la leçon
  • visualGraphique de comparaison des distributions

    Visualisation côte à côte des barres discrètes vs courbes continues

  • activityJeu de classification des variables

    Les élèves trient des exemples réels en catégories discrètes et continues

  • worksheetDistributions du monde réel

    Identifier et classifier des variables d'articles de presse et d'études scientifiques

Contenu de la leçon

Tout ce que voient les élèves : définition, exemples, erreurs fréquentes, applications. Touchez pour ouvrir.

Définition

Une distribution de probabilité décrit la probabilité des différents résultats pour une variable aléatoire.

Distributions discrètes

Une distribution discrète s'applique aux variables qui ne peuvent prendre que des valeurs spécifiques et séparées (généralement comptées).
Exemples de variables discrètes :
  • Nombre de faces en 10 lancers de pièce : 0,1,2,…,100, 1, 2, \ldots, 10
  • Lancer de dé : 1,2,3,4,5,61, 2, 3, 4, 5, 6
  • Nombre d'élèves dans une classe : 15,16,17,…15, 16, 17, \ldots
Caractéristique clé : On peut lister toutes les valeurs possibles. On utilise une Fonction de masse de probabilité (PMF) où :
P(X=x)≥0 et ∑tout xP(X=x)=1P(X = x) \geq 0 \text{ et } \sum_{\text{tout } x} P(X = x) = 1

Distributions continues

Une distribution continue s'applique aux variables qui peuvent prendre n'importe quelle valeur dans un intervalle (généralement mesurées).
Exemples de variables continues :
  • Taille d'une personne : toute valeur de 0 à 300 cm
  • Temps pour accomplir une tâche : toute valeur positive
  • Température : toute valeur sur un thermomètre
Caractéristique clé : On ne peut pas lister toutes les valeurs possibles (infiniment nombreuses). On utilise une Fonction de densité de probabilité (PDF) où :
P(a≤X≤b)=∫abf(x) dxP(a \leq X \leq b) = \int_a^b f(x)\, dx
Pour les variables continues, P(X=valeur exacte)=0P(X = \text{valeur exacte}) = 0 car il y a infiniment de valeurs possibles.

Exemples résolus

Classifie chaque variable comme discrète ou continue : (a) Nombre de voitures passant à un point de contrôle (b) Poids d'un colis (c) Nombre d'articles défectueux dans un lot
1

Analyse la variable (a)

Les voitures sont comptées : 0, 1, 2, 3, ... On ne peut pas avoir 2,5 voitures → Discrète
2

Analyse la variable (b)

Le poids est mesuré : 1,234 kg, 1,235 kg, etc. Toute valeur est possible → Continue
3

Analyse la variable (c)

Les défauts sont comptés : 0, 1, 2, ... On ne peut pas avoir 1,7 défaut → Discrète

Erreurs courantes

Penser que 'l'argent' est toujours discret parce qu'on compte les euros

Pourquoi c'est faux: Bien qu'on arrondisse souvent l'argent aux centimes, les modèles financiers traitent fréquemment l'argent comme continu car les transactions peuvent théoriquement être de n'importe quel montant.

Correct: Le contexte compte : compter les pièces est discret, mais modéliser les cours boursiers est typiquement continu.

Essayer de calculer P(X = valeur exacte) pour des distributions continues

Pourquoi c'est faux: Pour les distributions continues, la probabilité en tout point unique est zéro. Seuls les intervalles ont une probabilité positive.

Correct: Pour les distributions continues, calcule toujours P(a<X<b)P(a < X < b) en utilisant l'aire sous la courbe.

Confondre 'peu de valeurs possibles' avec 'discret'

Pourquoi c'est faux: Une variable est discrète selon sa nature, pas le nombre de valeurs observées dans un échantillon.

Correct: Demande-toi : 'Cette variable peut-elle théoriquement prendre N'IMPORTE QUELLE valeur dans un intervalle ?' Si oui, elle est continue.

Pourquoi c'est important

Comprendre la différence entre distributions discrètes et continues est fondamental pour :
  • Statistiques : Choisir le bon test ou modèle pour tes données
  • Science des données : Sélectionner les algorithmes d'apprentissage automatique appropriés
  • Contrôle qualité : Surveiller les processus de fabrication (nombre de défauts vs mesures)
  • Finance : Modéliser les cours boursiers (continu) vs nombre de transactions (discret)
  • Médecine : Analyser les nombres de patients (discret) vs lectures de tension artérielle (continu)
Utiliser le mauvais type de distribution conduit à des conclusions et prédictions erronées !

Applications dans le monde réel

Contrôle qualité en fabrication

Les usines utilisent des distributions discrètes pour compter les défauts et des distributions continues pour les mesures.

Exemple:

Une usine compte les articles défectueux par lot (discret : 0, 1, 2, ...) mais mesure le poids du produit en grammes (continu : 250,3 g, 250,31 g, ...).

1Essaie par toi-même

Un inspecteur qualité examine 100 ampoules et en trouve 3 défectueuses.

Le 'nombre d'ampoules défectueuses' est-il discret ou continu ?

Étape 1 : Choisis la bonne réponse

Réfléchis : Peut-on avoir 2,5 ampoules défectueuses ?

Statistiques médicales

Les soins de santé utilisent les deux types : nombres de patients (discret) et signes vitaux (continu).

Exemple:

Nombre de patients admis aujourd'hui (discret : 45, 46, 47) vs lecture de tension artérielle (continu : 120,5 mmHg, 121,3 mmHg).

2Essaie par toi-même

Un hôpital suit à la fois le nombre d'opérations par jour et la durée de chaque opération.

Classifie chaque variable.

Étape 1 : Choisis la bonne réponse

Nombre d'opérations : ___ Durée : ___

Points clés

  • 1Les distributions discrètes s'appliquent aux variables avec des valeurs dénombrables et séparées (comme les lancers de dé, les tirages à pile ou face, ou les comptages)
  • 2Les distributions continues s'appliquent aux variables qui peuvent prendre n'importe quelle valeur dans un intervalle (comme la taille, le poids ou le temps)
  • 3Pour les variables discrètes, on utilise la PMF et on peut calculer P(X=x)P(X = x) directement
  • 4Pour les variables continues, on utilise la PDF et on calcule les probabilités pour des intervalles : P(a<X<b)P(a < X < b)
  • 5Demande-toi : 'Est-ce compté ou mesuré ?' Compté = discret, Mesuré = continu

Questions fréquentes

Une variable peut-elle être à la fois discrète et continue ?

Non, une variable est fondamentalement l'une ou l'autre selon sa nature. Cependant, on modélise parfois des variables discrètes (comme les comptages) avec des distributions continues comme approximation quand les valeurs sont grandes.

Pourquoi l'âge est-il parfois traité comme discret et parfois comme continu ?

L'âge en années (18, 19, 20) est discret. L'âge comme temps exact depuis la naissance (18,5273 ans) est continu. Le choix dépend de comment tu mesures et utilises les données.

Quelle est la différence entre PMF et PDF ?

La PMF (Fonction de masse de probabilité) donne la probabilité réelle pour les valeurs discrètes. La PDF (Fonction de densité de probabilité) donne la densité pour les variables continues - tu dois intégrer sur un intervalle pour obtenir la probabilité.

Glossaire

Variable discrète
Une variable qui ne peut prendre que des valeurs spécifiques et séparées, typiquement par comptage
Variable continue
Une variable qui peut prendre n'importe quelle valeur dans un intervalle, typiquement par mesure
PMF (Fonction de masse de probabilité)
Fonction donnant la probabilité qu'une variable aléatoire discrète égale chaque valeur possible
PDF (Fonction de densité de probabilité)
Fonction dont l'intégrale sur un intervalle donne la probabilité pour une variable aléatoire continue
Variable aléatoire
Une variable dont la valeur dépend du résultat d'un phénomène aléatoire

Plus sur ce sujet

Introduction aux distributions de probabilités

Avancé25 min

Probabilité binomiale

Avancé25 min

Espérance mathématique

Avancé25 min

Introduction à la loi normale

Avancé25 min