Mathématiques Terminale Spécialité

Rejoignez la communauté !
Co-construisez les ressources dont vous avez besoin et partagez votre expertise pédagogique.
Rappels de première
Algèbre et géométrie
Ch. 1
Combinatoire et dénombrement
Ch. 2
Vecteurs, droites et plans de l’espace
Ch. 3
Orthogonalité et distances dans l’espace
Analyse
Ch. 4
Suites
Ch. 5
Limites de fonctions
Ch. 6
Continuité
Ch. 7
Compléments sur la dérivation
Ch. 8
Logarithme népérien
Ch. 9
Fonctions trigonométriques
Ch. 10
Primitives - Équations différentielles
Ch. 11
Calcul intégral
Probabilités
Ch. 12
Loi binomiale
Ch. 13
Sommes de variables aléatoires
Annexes
Exercices transversaux
Grand Oral
Apprendre à démontrer
Cahier d'algorithmique et de programmation
Chapitre 14
Cours 2

Loi des grands nombres

18 professeurs ont participé à cette page
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

A
L'inégalité de concentration

Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.
Théorème
Soit \text{X} une variable aléatoire d'espérance \text{E(X)} et de variance \text{V(X)}.
On pose \text{M}_n la variable aléatoire moyenne d'un échantillon de taille n de \text{X} ; autrement dit, \mathrm{M}_{n}=\frac{1}{n} \sum\limits_{i=1}^{n} \mathrm{X}_{i}, où les variables \mathrm{X}_{i} sont indépendantes et de même loi de probabilité (celle de \text{X}).
Alors, pour tout réel a strictement positif, \mathrm{P}\left(\left|\mathrm{M}_{n}-\mathrm{E}(\mathrm{X})\right| \geqslant a\right) \leqslant \frac{\mathrm{V}(\mathrm{X})}{n a^{2}}.
Cette inégalité est appelée l'inégalité de concentration.
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

Rappel

Un échantillon de taille \boldsymbol{n} de \mathbf{X} est la donnée de n variables aléatoires indépendantes \text{X}_1, … , \text{X}_n, suivant toutes la même loi de probabilité, qui est celle de \text{X}.
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.
Démonstration
Voir exercice .
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.
Exemple
On effectue n lancers successifs supposés indépendants d'une pièce équilibrée.
On associe à chaque tirage i la variable aléatoire \text{X}_i, prenant comme valeur 0 si on obtient face et 1 si on obtient pile.
On pose \mathrm{S}_{n}=\mathrm{X}_{1}+\ldots+\mathrm{X}_{n} la variable aléatoire donnant le nombre de piles obtenu. On pose \mathrm{M}_{n}=\frac{\mathrm{S}_{n}}{n}.
On a, pour tout i \in\{1 \:; \ldots \: ; n\}, \mathrm{E}\left(\mathrm{X}_{i}\right)=\frac{1}{2} et \mathrm{V}\left(\mathrm{X}_{i}\right)=\frac{1}{4}.
Pour n = 10\:000, l'inégalité de concentration donne \text{P}\left(\left|\text{M}_{n}-\frac{1}{2}\right| \geqslant 0{,}01\right) \leqslant \frac{\frac{1}{4}}{10\:000 \times 0{,}01^{2}} donc \mathrm{P}\left(\left|\mathrm{M}_{n}-\frac{1}{2}\right| \geqslant 0{,}01\right) \leqslant \frac{1}{4}.
Ainsi, pour 10\:000 lancers, la probabilité que la proportion de pile obtenue s'écarte de plus d'un centième de \frac{1}{2} est inférieure à \frac{1}{4}.
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.
Application et méthode - 3
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

Énoncé

On reprend l'exemple précédent. On souhaite que l'écart entre la proportion de pile obtenue et \frac{1}{2} soit inférieur ou égal à 0{,}01. Quelle est la valeur minimale de n pour que le risque d'erreur soit inférieur ou égal à 5 % ?
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

Méthode

Dans un exercice complet :
  • on pose convenablement les données pour écrire l'inégalité de concentration dans le cas général ;
  • on l'applique ensuite pour les valeurs souhaitées en résolvant l'inégalité.

Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.
Solution
En reprenant le travail effectué dans l'exemple avec n lancers à la place de 10\:000, on est amené à résoudre \frac{\frac{1}{4}}{n \times 0{,}01^{2}} \leqslant 0{,}05, ce qui aboutit à n \geqslant 50\:000.

Pour s'entraîner
Exercices et
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

B
Loi faible des grands nombres

Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

Propriété


Soit (\text{X}_n) un échantillon d'une variable aléatoire.
On pose \mathrm{M}_{n}=\frac{1}{n} \sum\limits_{k=1}^{n} \mathrm{X}_{k}.
Alors, pour tout réel a strictement positif, \lim\limits _{n \rightarrow+\infty} \mathrm{P}\left(\left|\mathrm{M}_{n}-\mathrm{E}(\mathrm{X})\right| \geqslant a\right)=0.
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

Remarque

Il existe une propriété similaire, dite loi forte des grands nombres, qui dépasse le cadre de ce cours.
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

Démonstration

On applique l'inégalité de concentration à la variable aléatoire \text{M}_n.
0 \leqslant \mathrm{P}\left(\left|\mathrm{M}_{n}-\mathrm{E}(\mathrm{X})\right| \geqslant a\right) \leqslant \frac{\mathrm{V}(\mathrm{X})}{n a^{2}}. Puisque \lim\limits _{n \rightarrow+\infty} \frac{1}{n}=0, on a \lim\limits _{n \rightarrow+\infty} \frac{\text{V(X)}}{n a^{2}}=0 donc, d'après le théorème des gendarmes, \lim\limits _{n \rightarrow+\infty} \mathrm{P}\left(\left|\mathrm{M}_{n}-\mathrm{E}(\mathrm{X})\right| \geqslant a\right)=0.
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.
Application et méthode‑- 4
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.
Énoncé
On considère une urne contenant cinq boules noires et trois boules blanches. On souhaite estimer la probabilité d'obtenir au moins six boules noires sur un ensemble de dix tirages avec remise. Pour simuler cette expérience plusieurs fois, Adrien a écrit un programme avec Python.
En effectuant 100\:000 épreuves de dix tirages, il obtient une proportion p \approx 0{,}6943.
Sachant que la variance est 2{,}344, déterminer la probabilité de se tromper de plus d'un centième.
Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.

Méthode

  • Avec Python, on peut modéliser le phénomène comptant une boule blanche si le nombre est supérieur ou égal à six et une boule noire sinon.
  • On applique la loi des grands nombres et l'inégalité de concentration pour obtenir la probabilité cherchée.

Ressource affichée de l'autre côté.
Faites défiler pour voir la suite.
Solution
D'après la loi des grands nombres, la probabilité cherchée est proche de 0{,}6943.
La probabilité de s'écarter de plus de a = 0{,}01 est inférieure à \frac{\text{V(X)}}{n \times a^{2}} soit 0{,}2344.

Pour s'entraîner
Exercices et

Une erreur sur la page ? Une idée à proposer ?

Nos manuels sont collaboratifs, n'hésitez pas à nous en faire part.

Oups, une coquille

j'ai une idée !

Nous préparons votre pageNous vous offrons 5 essais
collaborateur

collaborateurYolène
collaborateurÉmilie
collaborateurJean-Paul
collaborateurFatima
collaborateurSarah
Utilisation des cookies
Lors de votre navigation sur ce site, des cookies nécessaires au bon fonctionnement et exemptés de consentement sont déposés.