CoursTSp Loi Des Grands Nombres
CoursTSp Loi Des Grands Nombres
CoursTSp Loi Des Grands Nombres
Nombres.
I – Inégalité de Bienaymé-Tchebychev
1. Inégalité de Markov
Définition :
Une variable aléatoire réelle X est dite positive ou
nulle sur l’univers Ω , lorsque toutes les valeurs
prises par X sont des réels positifs ou nuls.
On a donc : pour tout ω ∈ Ω, X (ω ) ≥ 0 .
Théorème :
Soit X une variable aléatoire positive ou nulle dont
l’espérance mathématiques est E ( X ) .
E(X)
Pour tout réel a > 0 , on a : p ( X ≥ a ) ≤ .
a
Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre XV – Loi des grands Nombres – Page 1.
probabilité que le salaire d’un salarié choisi au hasard atteigne au
moins 7000 € :
2240
On a, d’après l’inégalité de Markov : p X ≥ 7000 ≤ ( ) 7000
.
Démonstration :
On note xi les n valeurs de la variable aléatoire réelle positive ou nulle
X , pour i ∈ !1;n" .
n
On sait que : E X = ( ) ∑x p( X = x ) . i i
i=1
valeurs de xi ≥ a :
On a donc : E X = ( ) ∑ x p( X = x )+ ∑ x p( X = x ).
i i i i
xi <a xi ≥a
E ( X ) ≥ ∑ xi p ( X = xi ) .
xi ≥a
Par ailleurs, dans cette somme les xi sont tous supérieurs ou égaux à a ,
donc ∑ x p ( X = x ) ≥ ∑ a × p ( X = x ) c.-à-d. E ( X ) ≥ ∑ a × p ( X = x ) .
i i i i
xi ≥a xi ≥a xi ≥a
On a donc : E ( X ) ≥ a ∑ p ( X = xi ) soit E ( X ) ≥ a × p ( X ≥ a ) .
xi ≥a
E(X)
Enfin, comme a > 0 , on a bien : p ( X ≥ a ) ≤ .
a
Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre XV – Loi des grands Nombres – Page 2.
Exercice : NetFlix produit une moyenne de 30 programmes par
mois. Que peut-on dire de la probabilité que NetFlix produise en un
mois plus de 60 programmes ?
Théorème :
Soit X une variable aléatoire d’espérance E ( X ) et
de variance V ( X ) . On a alors : ,
V (X)
Pour tout réel δ > 0 , p X − E ( X ) ≥ δ ≤ ( ) δ 2
.
( )
On a donc E X = n × p = 8 et V X = n × p × 1− p = 4,8 . ( ) ( )
D’après l’inégalité de Bienaymé-Tchebychev, on a :
4,8
(
∀δ > 0, p X − 8 ≥ δ ≤ ) δ2 .
Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre XV – Loi des grands Nombres – Page 3.
Démonstration :
2
Comme δ > 0 , les inégalités X − E X ≥ δ et ⎡⎣ X − E X ⎤⎦ ≥ δ sont
2
( ) ( )
2
équivalentes et la variable ⎡⎣ X − E X ⎤⎦ est une variable positive ou
( )
nulle à laquelle on peut donc appliquer l’inégalité de Markov avec
2
le réel δ :
⎛⎡ ⎤
2⎞
⎛⎡ 2 ⎞
E ⎜
⎝⎣ X − E ( X )⎦ ⎟
⎠
p ⎜⎣ X − E ( X )⎤⎦ ≥ δ 2 ⎟ ≤ 2
.
⎝ ⎠ δ
⎛⎡ ⎤
2⎞
Or : E ⎜⎣ X − E ( X )⎦ ⎟ = V ( X ) . Donc on a :
⎝ ⎠
⎛ 2 ⎞ V (X)
p ⎜⎡⎣ X − E ( X )⎤⎦ ≥ δ 2 ⎟ ≤ 2
.
⎝ ⎠ δ
Et on a donc bien :
V (X)
(
p X − E(X) ≥δ ≤ ) δ2
.
V (X)
N.B. : L’inégalité p X − E X ≥ δ ≤ ( ( ) ) δ2
peut s’écrire aussi :
V (X)
(
p X − E ( X ) < δ ≥ 1− ) δ2
.
Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre XV – Loi des grands Nombres – Page 4.
Par exemple, si X est une variable aléatoire d’espérance µ et
d’écart type σ , si on applique l’inégalité de Bienaymé-Tchebychev à
X en prenant δ = kσ avec k = 1,2,… on a alors :
V (X) σ2
(
p X − µ ≥ kσ ≤ ) 2
c.-à-d. (
p X − µ ≥ kσ ≤ 2 2
kσ
)
( kσ )
1
soit encore : (
p X − µ ≥ kσ ≤ ) k2
.
• Avec k = 2 : • Avec k = 4 :
(
p X − µ ≥ 2σ ≤ 0,25 ) (
p X − µ ≥ 4σ ≤ 0,0625 )
(
• p X − µ < 2σ > 0,75 ) (
• p X − µ < 4σ > 0,9375 )
Mais ces majorations sont peu optimales !
En reprenant l’exemple de X qui suit la loi binomiale de
(
p X − µ ≥ 2σ ≤ 0,25 soit ) ( )
p X − 8 ≥ 4,4 ≤ 0,25 .
Calculons cette probabilité à l’aide de la loi binomiale :
(
Comme X ∈ ! , p X − 8 ≥ 4,4 = p X − 8 ≥ 5 . ) ( )
Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre XV – Loi des grands Nombres – Page 5.
(
Soit : p X − 8 ≥ 4,4 = 1− p X − 8 ≤ 4 ) ( )
= 1− p ( 4 ≤ X ≤ 12)
= 1− p ( X ≤ 12) + p ( X ≤ 3)
Avec la TI-83 :
Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre XV – Loi des grands Nombres – Page 6.
II – Loi des grands nombres
1. Rappel : échantillon de taille n
Définition :
Soit un échantillon de taille n d’une variable aléatoire
X , c’est-à-dire la donnée de ( X 1 , X 2 ,…, X n ) , variables
Propriété :
Pour un échantillon ( X 1 , X 2 ,…, X n ) de la loi d’une
1 1
• E ( Mn ) = E ( X ) • V ( Mn ) = V ( X ) • σ ( Mn ) = σ (X)
n n
Exemple :
de X .
( )
• E X = 3,6 donc E M10 = 3,6 . ( )
1
( )
• V X = 12 × 0,3× 0,7 = 2,52 ; donc V M10 = ( ) 10
V ( X ) = 0,252 .
1
•σ X = ( ) 2,52 ! 1,587 ; donc σ ( M10 ) = 2,52 ! 0,502 .
10
X et M10 ont même espérance mais M10 à une moindre dispersion.
Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre XV – Loi des grands Nombres – Page 7.
• Loi de X :
• Loi de M10 :
2. Inégalité de concentration
Propriété :
Soit X une variable aléatoire d’espérance E ( X ) et de
Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre XV – Loi des grands Nombres – Page 8.
Démonstration :
V ( Mn )
(
p Mn − E ( Mn ) ≥ δ ≤ ) δ2
.
1
( )
Or, on sait que E M n = E X et V M n = ( ) ( ) n
V (X) ;
1
V (X)
n
(
p Mn − E ( X ) ≥ δ ≤
δ 2 )
; d’où le résultat.
Exemple :
Sn
nombre de Pile obtenu et M n = .
n
1 1
Pour i ∈ !1;n" , E X i = ( ) 2
et V ( X i ) = .
4
Pour n = 5000 , l’inégalité de concentration s’écrit, avec δ = 0,01 :
⎛ 1 ⎞ 1 ⎛ 1 ⎞ 1
p ⎜ M n − ≥ 0,01⎟ ≤ 4
2
soit : p ⎜ M n − ≥ 0,01⎟ ≤ .
⎝ 2 ⎠ 5000 × 0,01 ⎝ 2 ⎠ 2
Pour 5000 lancers, la probabilité que la proportion de Pile obtenue
1 1
s’écarte de plus d’un centième de est inférieure à .
2 4
Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre XV – Loi des grands Nombres – Page 9.
3. La loi faible des grands nombres
Propriété :
Soit ( X n ) un échantillon de taille n d’une variable
1 n
aléatoire et M n = ∑ X i . Alors, pour tout réel δ > 0 :
n i=1
(
lim p M n − E ( X ) ≥ δ = 0 .
n→+∞
)
Démonstration :
V (X) 1 V (X)
(
0 ≤ p Mn − E ( X ) ≥ δ ≤ ) nδ 2
. Or lim
n→+∞ n
= 0 , donc lim
n→+∞ nδ 2
= 0.
(
lim p M n − E ( X ) ≥ δ = 0 .
n→+∞
)
Ce théorème nous permet de conclure que la probabilité que la
moyenne s’éloigne de l’espérance devient très petite pour les
grands échantillons.
Ainsi, pour une même expérience aléatoire, les moyennes sur des
échantillons de grande taille sont moins dispersées que celles sur
des échantillons de petite taille.
Mathématiques de spécialité. Classes de Terminale. M. Gouny. Chapitre XV – Loi des grands Nombres – Page 10.