Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
L’inégalité de Bienaymé-Tchebychev
Sandrine Lagaize 1 Nicolas Perpète 2
1LMPA, ULCO
2Lycée Mariette, Boulogne/mer
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 1 / 50
Sommaire
1 Les programmes
2 Une approche historique
3 L’inégalité de Bienaymé-TchebychevLe résultatDes applications
4 La loi faible des grands nombres
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 2 / 50
Les programmes
1 Les programmes
2 Une approche historique
3 L’inégalité de Bienaymé-TchebychevLe résultatDes applications
4 La loi faible des grands nombres
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 3 / 50
Les programmes
Le programme de première (1)
Modèle probabiliste
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 4 / 50
Les programmes
Le programme de première (1)
Modèle probabiliste Formule des probabilités totales
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 4 / 50
Les programmes
Le programme de première (1)
Modèle probabiliste Formule des probabilités totales Tableaux et arbres pondérés
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 4 / 50
Les programmes
Le programme de première (1)
Modèle probabiliste Formule des probabilités totales Tableaux et arbres pondérés Probabilité conditionnelle, indépendance
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 4 / 50
Les programmes
Le programme de première (1)
Modèle probabiliste Formule des probabilités totales Tableaux et arbres pondérés Probabilité conditionnelle, indépendance
Variable aléatoire
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 4 / 50
Les programmes
Le programme de première (1)
Modèle probabiliste Formule des probabilités totales Tableaux et arbres pondérés Probabilité conditionnelle, indépendance
Variable aléatoire Loi d’une v.a., espérance, variance
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 4 / 50
Les programmes
Le programme de première (1)
Modèle probabiliste Formule des probabilités totales Tableaux et arbres pondérés Probabilité conditionnelle, indépendance
Variable aléatoire Loi d’une v.a., espérance, variance Loi binomiale
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 4 / 50
Les programmes
Le programme de première (2)
Avec Python :
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 5 / 50
Les programmes
Le programme de première (2)
Avec Python : Simuler une v.a. X de loi donnée
k 0 50 100P(X = k) 0, 2 0, 4 0, 4
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 5 / 50
Les programmes
Le programme de première (2)
Avec Python : Simuler une v.a. X de loi donnée
k 0 50 100P(X = k) 0, 2 0, 4 0, 4
Moyenne d’un échantillon (X1, . . . ,Xn) de même loi que X
Mn =X1 + X2 + · · ·+ Xn
n
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 5 / 50
Les programmes
Le programme de première (2)
Avec Python : Simuler une v.a. X de loi donnée
k 0 50 100P(X = k) 0, 2 0, 4 0, 4
Moyenne d’un échantillon (X1, . . . ,Xn) de même loi que X
Mn =X1 + X2 + · · ·+ Xn
n
Avec Python ou le tableur :
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 5 / 50
Les programmes
Le programme de première (2)
Avec Python : Simuler une v.a. X de loi donnée
k 0 50 100P(X = k) 0, 2 0, 4 0, 4
Moyenne d’un échantillon (X1, . . . ,Xn) de même loi que X
Mn =X1 + X2 + · · ·+ Xn
n
Avec Python ou le tableur : Étant donnés N échantillons de taille n, proportion des
échantillons dont la moyenne est comprise entre µ− 2σ/√n et
µ+ 2σ/√n
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 5 / 50
Les programmes
Le programme de terminale (1)
Idée générale
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 6 / 50
Les programmes
Le programme de terminale (1)
Idée générale E (X ) = µ, V (X ) = σ2. Somme et moyenne d’un échantillon
(X1, . . . ,Xn) de même loi que X
Sn = X1 + X2 + · · ·+ Xn
Mn =X1 + X2 + · · ·+ Xn
n
Majoration de P(
|Mn − µ| ≥ kσ√n
)
.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 6 / 50
Les programmes
Le programme de terminale (1)
Idée générale E (X ) = µ, V (X ) = σ2. Somme et moyenne d’un échantillon
(X1, . . . ,Xn) de même loi que X
Sn = X1 + X2 + · · ·+ Xn
Mn =X1 + X2 + · · ·+ Xn
n
Majoration de P(
|Mn − µ| ≥ kσ√n
)
.
Ancien programme Nouveau programmeXi ∼ B(p) Xi quelconques
Sn ∼ B(n, p) Sn quelconqueApprox. asympt. par N(0, 1) Calculs exacts via inég. B.T.
Loi N(0, 1) + stat. Loi binomiale + stat. + LGN
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 6 / 50
Les programmes
Le programme de terminale (2)
Dénombrement
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 7 / 50
Les programmes
Le programme de terminale (2)
Dénombrement Avec les
(
nk
)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 7 / 50
Les programmes
Le programme de terminale (2)
Dénombrement Avec les
(
nk
)
Loi binomiale
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 7 / 50
Les programmes
Le programme de terminale (2)
Dénombrement Avec les
(
nk
)
Loi binomiale Schéma de Bernoulli
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 7 / 50
Les programmes
Le programme de terminale (2)
Dénombrement Avec les
(
nk
)
Loi binomiale Schéma de Bernoulli Formule
(
nk
)
× pk × (1 − p)n−k
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 7 / 50
Les programmes
Le programme de terminale (2)
Dénombrement Avec les
(
nk
)
Loi binomiale Schéma de Bernoulli Formule
(
nk
)
× pk × (1 − p)n−k
Calculs à la main ou à l’aide d’algorithmes
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 7 / 50
Les programmes
Le programme de terminale (2)
Dénombrement Avec les
(
nk
)
Loi binomiale Schéma de Bernoulli Formule
(
nk
)
× pk × (1 − p)n−k
Calculs à la main ou à l’aide d’algorithmesex 1 : X ∼ B(100, 0.5). Calculer P(X ≤ 10)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 7 / 50
Les programmes
Le programme de terminale (2)
Dénombrement Avec les
(
nk
)
Loi binomiale Schéma de Bernoulli Formule
(
nk
)
× pk × (1 − p)n−k
Calculs à la main ou à l’aide d’algorithmesex 1 : X ∼ B(100, 0.5). Calculer P(X ≤ 10)ex 2 : X ∼ B(100, 0.5). Résoudre P(X ≤ α) ≥ 0, 95
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 7 / 50
Les programmes
Le programme de terminale (3)
Somme de variables aléatoires
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 8 / 50
Les programmes
Le programme de terminale (3)
Somme de variables aléatoires E (aX ) = aE (X ) et E (X + Y ) = E (X ) + E (Y )
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 8 / 50
Les programmes
Le programme de terminale (3)
Somme de variables aléatoires E (aX ) = aE (X ) et E (X + Y ) = E (X ) + E (Y ) V (X + Y ) = V (X ) + V (Y ) dans le cas de v.a. indépendantes –
V (aX ) = a2V (X )
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 8 / 50
Les programmes
Le programme de terminale (3)
Somme de variables aléatoires E (aX ) = aE (X ) et E (X + Y ) = E (X ) + E (Y ) V (X + Y ) = V (X ) + V (Y ) dans le cas de v.a. indépendantes –
V (aX ) = a2V (X ) Explication sous forme d’exercice.
Une urne contient quatre boules indiscernables au toucher quiportent chacune deux no : un no rouge et un no bleu. On tire uneboule au hasard dans l’urne et on note X le no rouge, Y leno bleu.
1
2
04
3
4
1 5
Calculer E (X ), E (Y ) et E (X + Y ).
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 8 / 50
Les programmes
Linéarité de l’espérance
Propriété : Soient X et Y deux variables aléatoires définies sur lemême espace de probabilité et admettant une espérance. Soit a unréel. On a
1 E (aX ) = aE (X ).
2 E (X + Y ) = E (X ) + E (Y ).
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 9 / 50
Les programmes
Linéarité de l’espérance
Propriété : Soient X et Y deux variables aléatoires définies sur lemême espace de probabilité et admettant une espérance. Soit a unréel. On a
1 E (aX ) = aE (X ).
2 E (X + Y ) = E (X ) + E (Y ).
Dans le contexte du lycée :
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 9 / 50
Les programmes
Linéarité de l’espérance
Propriété : Soient X et Y deux variables aléatoires définies sur lemême espace de probabilité et admettant une espérance. Soit a unréel. On a
1 E (aX ) = aE (X ).
2 E (X + Y ) = E (X ) + E (Y ).
Dans le contexte du lycée :Propriété : Soient X et Y deux variables aléatoires discrètes, àsupport fini, définies sur le même espace de probabilité. Soit a unréel. On a
1 E (aX ) = aE (X ).
2 E (X + Y ) = E (X ) + E (Y ).
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 9 / 50
Les programmes
Preuve pour des V.A discrètes à support fini
1. Soit X une variable aléatoire définie sur un univers Ω muni d’uneprobabilité IP.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 10 / 50
Les programmes
Preuve pour des V.A discrètes à support fini
1. Soit X une variable aléatoire définie sur un univers Ω muni d’uneprobabilité IP.Notons X (Ω) = x1, x2, · · · , xn l’ensemble des valeurs prises par X .
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 10 / 50
Les programmes
Preuve pour des V.A discrètes à support fini
1. Soit X une variable aléatoire définie sur un univers Ω muni d’uneprobabilité IP.Notons X (Ω) = x1, x2, · · · , xn l’ensemble des valeurs prises par X .
Rappel : l’espérance de X est alors
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 10 / 50
Les programmes
Preuve pour des V.A discrètes à support fini
1. Soit X une variable aléatoire définie sur un univers Ω muni d’uneprobabilité IP.Notons X (Ω) = x1, x2, · · · , xn l’ensemble des valeurs prises par X .
Rappel : l’espérance de X est alors
E (X ) =∑
xi∈X (Ω)
xi IP(X = xi)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 10 / 50
Les programmes
Preuve pour des V.A discrètes à support fini
1. Soit X une variable aléatoire définie sur un univers Ω muni d’uneprobabilité IP.Notons X (Ω) = x1, x2, · · · , xn l’ensemble des valeurs prises par X .
Rappel : l’espérance de X est alors
E (X ) =∑
xi∈X (Ω)
xi IP(X = xi) =n
∑
i=1
xi IP(X = xi).
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 10 / 50
Les programmes
Preuve pour des V.A discrètes à support fini
1. Soit X une variable aléatoire définie sur un univers Ω muni d’uneprobabilité IP.Notons X (Ω) = x1, x2, · · · , xn l’ensemble des valeurs prises par X .
Rappel : l’espérance de X est alors
E (X ) =∑
xi∈X (Ω)
xi IP(X = xi) =n
∑
i=1
xi IP(X = xi).
On a
E (aX ) =n
∑
i=1
(axi)IP(aX = axi)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 10 / 50
Les programmes
Preuve pour des V.A discrètes à support fini
1. Soit X une variable aléatoire définie sur un univers Ω muni d’uneprobabilité IP.Notons X (Ω) = x1, x2, · · · , xn l’ensemble des valeurs prises par X .
Rappel : l’espérance de X est alors
E (X ) =∑
xi∈X (Ω)
xi IP(X = xi) =n
∑
i=1
xi IP(X = xi).
On a
E (aX ) =n
∑
i=1
(axi)IP(aX = axi) = a
n∑
i=1
xi IP(X = xi)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 10 / 50
Les programmes
Preuve pour des V.A discrètes à support fini
1. Soit X une variable aléatoire définie sur un univers Ω muni d’uneprobabilité IP.Notons X (Ω) = x1, x2, · · · , xn l’ensemble des valeurs prises par X .
Rappel : l’espérance de X est alors
E (X ) =∑
xi∈X (Ω)
xi IP(X = xi) =n
∑
i=1
xi IP(X = xi).
On a
E (aX ) =n
∑
i=1
(axi)IP(aX = axi) = a
n∑
i=1
xi IP(X = xi) = aE (X ).
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 10 / 50
Les programmes
Preuve pour des V.A discrètes à support fini
2. Soit X et Y deux variables aléatoires définies sur un même universΩ muni d’une probabilité IP.Notons X (Ω) = x1, x2, · · · , xn l’ensemble des valeurs prises par X .et Y (Ω) = y1, y2, · · · , ym l’ensemble des valeurs prises par Y .
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 11 / 50
Les programmes
Preuve pour des V.A discrètes à support fini
2. Soit X et Y deux variables aléatoires définies sur un même universΩ muni d’une probabilité IP.Notons X (Ω) = x1, x2, · · · , xn l’ensemble des valeurs prises par X .et Y (Ω) = y1, y2, · · · , ym l’ensemble des valeurs prises par Y .
Posons Z = X + Y .Notons Z (Ω) = z1, z2, · · · , zl l’ensemble des valeurs prises par X .
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 11 / 50
Les programmes
Preuve pour des V.A discrètes à support fini
Remarque : loi de Z
Pour tout zk ∈ Z (Ω), on a
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 12 / 50
Les programmes
Preuve pour des V.A discrètes à support fini
Remarque : loi de Z
Pour tout zk ∈ Z (Ω), on a
Z = zk = X = xi et Y = yj
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 12 / 50
Les programmes
Preuve pour des V.A discrètes à support fini
Remarque : loi de Z
Pour tout zk ∈ Z (Ω), on a
Z = zk =⋃
(i ,j) ; xi+yj=zkX = xi et Y = yj
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 12 / 50
Les programmes
Preuve pour des V.A discrètes à support fini
Remarque : loi de Z
Pour tout zk ∈ Z (Ω), on a
Z = zk =⋃
(i ,j) ; xi+yj=zkX = xi et Y = yj
D’où IP(Z = zk) =∑
(i ,j) ; xi+yj=zk
IP(X = xi ,Y = yj).
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 12 / 50
Les programmes
Preuve pour des V.A discrètes à support fini
E (Z ) =∑
zk∈Z(Ω)
zk IP(Z = zk)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 13 / 50
Les programmes
Preuve pour des V.A discrètes à support fini
E (Z ) =∑
zk∈Z(Ω)
zk IP(Z = zk)
=∑
zk∈Z(Ω)
zk∑
xi+yj=zk
IP(X = xi ,Y = yj)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 13 / 50
Les programmes
Preuve pour des V.A discrètes à support fini
E (Z ) =∑
zk∈Z(Ω)
zk IP(Z = zk)
=∑
zk∈Z(Ω)
zk∑
xi+yj=zk
IP(X = xi ,Y = yj)
=∑
zk∈Z(Ω)
∑
xi+yj=zk
zk IP(X = xi ,Y = yj)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 13 / 50
Les programmes
Preuve pour des V.A discrètes à support fini
E (Z ) =∑
zk∈Z(Ω)
zk IP(Z = zk)
=∑
zk∈Z(Ω)
zk∑
xi+yj=zk
IP(X = xi ,Y = yj)
=∑
zk∈Z(Ω)
∑
xi+yj=zk
zk IP(X = xi ,Y = yj)
=∑
zk∈Z(Ω)
∑
xi+yj=zk
(xi + yj)IP(X = xi ,Y = yj)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 13 / 50
Les programmes
Preuve pour des V.A discrètes à support fini
E (Z ) =∑
zk∈Z(Ω)
zk IP(Z = zk)
=∑
zk∈Z(Ω)
zk∑
xi+yj=zk
IP(X = xi ,Y = yj)
=∑
zk∈Z(Ω)
∑
xi+yj=zk
zk IP(X = xi ,Y = yj)
=∑
zk∈Z(Ω)
∑
xi+yj=zk
(xi + yj)IP(X = xi ,Y = yj)
=
n∑
i=1
m∑
j=1
(xi + yj)IP(X = xi ,Y = yj)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 13 / 50
Les programmes
Preuve pour des V.A discrètes à support fini
E (Z ) =n
∑
i=1
m∑
j=1
(xi + yj)IP(X = xi ,Y = yj)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 14 / 50
Les programmes
Preuve pour des V.A discrètes à support fini
E (Z ) =n
∑
i=1
m∑
j=1
(xi + yj)IP(X = xi ,Y = yj)
=n
∑
i=1
m∑
j=1
xi IP(X = xi ,Y = yj) +n
∑
i=1
m∑
j=1
yj IP(X = xi ,Y = yj)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 14 / 50
Les programmes
Preuve pour des V.A discrètes à support fini
E (Z ) =n
∑
i=1
m∑
j=1
(xi + yj)IP(X = xi ,Y = yj)
=n
∑
i=1
m∑
j=1
xi IP(X = xi ,Y = yj) +n
∑
i=1
m∑
j=1
yj IP(X = xi ,Y = yj)
=n
∑
i=1
xi
m∑
j=1
IP(X = xi ,Y = yj) +m∑
j=1
yj
n∑
i=1
IP(X = xi ,Y = yj)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 14 / 50
Les programmes
Preuve pour des V.A discrètes à support fini
E (Z ) =n
∑
i=1
m∑
j=1
(xi + yj)IP(X = xi ,Y = yj)
=n
∑
i=1
m∑
j=1
xi IP(X = xi ,Y = yj) +n
∑
i=1
m∑
j=1
yj IP(X = xi ,Y = yj)
=n
∑
i=1
xi
m∑
j=1
IP(X = xi ,Y = yj) +m∑
j=1
yj
n∑
i=1
IP(X = xi ,Y = yj)
=n
∑
i=1
xi IP(X = xi) +m∑
j=1
yj IP(Y = yj)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 14 / 50
Les programmes
Preuve pour des V.A discrètes à support fini
E (Z ) =n
∑
i=1
m∑
j=1
(xi + yj)IP(X = xi ,Y = yj)
=n
∑
i=1
m∑
j=1
xi IP(X = xi ,Y = yj) +n
∑
i=1
m∑
j=1
yj IP(X = xi ,Y = yj)
=n
∑
i=1
xi
m∑
j=1
IP(X = xi ,Y = yj) +m∑
j=1
yj
n∑
i=1
IP(X = xi ,Y = yj)
=n
∑
i=1
xi IP(X = xi) +m∑
j=1
yj IP(Y = yj)
= E (X ) + E (Y ).
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 14 / 50
Les programmes
Le programme de terminale (4)
Exercice.Un QCM comporte 5 questions. Pour chacune d’entre elles, 4réponses sont proposées, dont une seule est exacte. On note S lenombre de bonnes réponses à ce QCM pour un élève qui répondau hasard à toutes les questions.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 15 / 50
Les programmes
Le programme de terminale (4)
Exercice.Un QCM comporte 5 questions. Pour chacune d’entre elles, 4réponses sont proposées, dont une seule est exacte. On note S lenombre de bonnes réponses à ce QCM pour un élève qui répondau hasard à toutes les questions.
1 Loi de S .
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 15 / 50
Les programmes
Le programme de terminale (4)
Exercice.Un QCM comporte 5 questions. Pour chacune d’entre elles, 4réponses sont proposées, dont une seule est exacte. On note S lenombre de bonnes réponses à ce QCM pour un élève qui répondau hasard à toutes les questions.
1 Loi de S .
2 On pose Xi =
1 si l’élève a bon à la question i
0 sinonCalcul de E (S) et V (S).
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 15 / 50
Les programmes
Le programme de terminale (4)
Exercice.Un QCM comporte 5 questions. Pour chacune d’entre elles, 4réponses sont proposées, dont une seule est exacte. On note S lenombre de bonnes réponses à ce QCM pour un élève qui répondau hasard à toutes les questions.
1 Loi de S .
2 On pose Xi =
1 si l’élève a bon à la question i
0 sinonCalcul de E (S) et V (S).
S = X1 + X2 + X3 + X4 + X5.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 15 / 50
Les programmes
Le programme de terminale (4)
Application à la loi binomiale
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 16 / 50
Les programmes
Le programme de terminale (4)
Application à la loi binomiale X ∼ B(n, p)
X = X1 + · · ·+ Xn, où les Xi sont ind. et suivent une loi deBernoulli
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 16 / 50
Les programmes
Le programme de terminale (4)
Application à la loi binomiale X ∼ B(n, p)
X = X1 + · · ·+ Xn, où les Xi sont ind. et suivent une loi deBernoulli
E (X ) = np, V (X ) = np(1 − p)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 16 / 50
Les programmes
Le programme de terminale (4)
Application à la loi binomiale X ∼ B(n, p)
X = X1 + · · ·+ Xn, où les Xi sont ind. et suivent une loi deBernoulli
E (X ) = np, V (X ) = np(1 − p)
Cas général
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 16 / 50
Les programmes
Le programme de terminale (4)
Application à la loi binomiale X ∼ B(n, p)
X = X1 + · · ·+ Xn, où les Xi sont ind. et suivent une loi deBernoulli
E (X ) = np, V (X ) = np(1 − p)
Cas général (X1, . . . ,Xn) échantillon de même loi que X
Espérance, variance et écart-type de Sn = X1 + · · ·+ Xn et deMn = Sn
n
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 16 / 50
Les programmes
Le programme de terminale (5)
Concentration, loi des grands nombres
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 17 / 50
Les programmes
Le programme de terminale (5)
Concentration, loi des grands nombres Inégalité de Bienaymé-Tchebychev
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 17 / 50
Les programmes
Le programme de terminale (5)
Concentration, loi des grands nombres Inégalité de Bienaymé-Tchebychev Inégalité de concentration
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 17 / 50
Les programmes
Le programme de terminale (5)
Concentration, loi des grands nombres Inégalité de Bienaymé-Tchebychev Inégalité de concentration Loi des grands nombres
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 17 / 50
Une approche historique
1 Les programmes
2 Une approche historique
3 L’inégalité de Bienaymé-TchebychevLe résultatDes applications
4 La loi faible des grands nombres
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 18 / 50
Une approche historique
Le théorème de Bernoulli
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 19 / 50
Une approche historique
Le théorème de Bernoulli
Jakob Bernoulli (1654-1705)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 19 / 50
Une approche historique
Le théorème de Bernoulli
Jakob Bernoulli (1654-1705)
« Voici le problème que je veux maintenant publier ici, l’ayant étudié avec soin
pendant 20 ans, problème dont la nouveauté aussi bien que la grande utilité ainsi
que ses profondes difficultés dépassent en poids et valeur tous les chapitres
précédents de mon oeuvre ».
Ars Conjectandi. 1713
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 19 / 50
Une approche historique
Le problème
Bernoulli considère une urne contenant b boules blanches et r boulesrouges.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 20 / 50
Une approche historique
Le problème
Bernoulli considère une urne contenant b boules blanches et r boulesrouges.Notons p = b
b+rla proportion de boules blanches.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 20 / 50
Une approche historique
Le problème
Bernoulli considère une urne contenant b boules blanches et r boulesrouges.Notons p = b
b+rla proportion de boules blanches.
Il effectue plusieurs fois n tirages avec remise dans cette urne.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 20 / 50
Une approche historique
Le problème
Bernoulli considère une urne contenant b boules blanches et r boulesrouges.Notons p = b
b+rla proportion de boules blanches.
Il effectue plusieurs fois n tirages avec remise dans cette urne.Il constate que le nombre de boules blanches obtenu sn est chaquefois différent
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 20 / 50
Une approche historique
Le problème
Bernoulli considère une urne contenant b boules blanches et r boulesrouges.Notons p = b
b+rla proportion de boules blanches.
Il effectue plusieurs fois n tirages avec remise dans cette urne.Il constate que le nombre de boules blanches obtenu sn est chaquefois différentmais que la proportion sn
nest proche de p lorsque n est grand.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 20 / 50
Une approche historique
La modélisation
Notons Sn la variable aléatoire donnant le nombre de boules blanchesobtenu après n tirages.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 21 / 50
Une approche historique
La modélisation
Notons Sn la variable aléatoire donnant le nombre de boules blanchesobtenu après n tirages.
On sait que Sn ∼ B(n, p).
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 21 / 50
Une approche historique
La modélisation
Notons Sn la variable aléatoire donnant le nombre de boules blanchesobtenu après n tirages.
On sait que Sn ∼ B(n, p).
Pour tout k ∈ 0, · · · , n, on a
IP(Sn = k) =
(
n
k
)
pk(1 − p)n−k .
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 21 / 50
Une approche historique
La modélisation
Notons Sn la variable aléatoire donnant le nombre de boules blanchesobtenu après n tirages.
On sait que Sn ∼ B(n, p).
Pour tout k ∈ 0, · · · , n, on a
IP(Sn = k) =
(
n
k
)
pk(1 − p)n−k .
Bernoulli avait constaté que plus k est proche de np plus cettequantité est grande.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 21 / 50
Une approche historique
Illustration
Représentation graphique de la densité de la loi B(400 ; 0, 5)
0
0.01
0.02
0.03
0.04
150 160 170 180 190 200 210 220 230 240 250
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 22 / 50
Une approche historique
Le résultat de Bernoulli
Bernoulli a remarqué aussi que pour δ > 0 fixé, IP(|Snn− p| ≥ δ) est
d’autant plus petite que n est grand.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 23 / 50
Une approche historique
Le résultat de Bernoulli
Bernoulli a remarqué aussi que pour δ > 0 fixé, IP(|Snn− p| ≥ δ) est
d’autant plus petite que n est grand.
Autrement dit, avec les notations actuelles :
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 23 / 50
Une approche historique
Le résultat de Bernoulli
Bernoulli a remarqué aussi que pour δ > 0 fixé, IP(|Snn− p| ≥ δ) est
d’autant plus petite que n est grand.
Autrement dit, avec les notations actuelles :∀δ > 0,
limn→+∞
IP(∣
∣
∣
Sn
n− p
∣
∣
∣≥ δ
)
= 0.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 23 / 50
L’inégalité de Bienaymé-Tchebychev
1 Les programmes
2 Une approche historique
3 L’inégalité de Bienaymé-TchebychevLe résultatDes applications
4 La loi faible des grands nombres
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 24 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Inégalité de Markov
Cette inégalité attribuée à Markov (1856-1922) a été prouvée en1869.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 25 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Inégalité de Markov
Cette inégalité attribuée à Markov (1856-1922) a été prouvée en1869.Propriété :
Soit X une variable aléatoire positive admettant une espérance µ.Pour tout δ > 0, on a
IP(X ≥ δ) ≤ µ
δ.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 25 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Inégalité de Markov
Cette inégalité attribuée à Markov (1856-1922) a été prouvée en1869.Propriété :
Soit X une variable aléatoire positive admettant une espérance µ.Pour tout δ > 0, on a
IP(X ≥ δ) ≤ µ
δ.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 25 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Inégalité de Markov
0
0.01
0.02
0.03
0.04
150 160 170 180 190 200 210 220 230 240 250δ
IP(X ≥ δ)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 26 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Preuve en image
Soit G la fonction définie sur R par G (x) = IP(X ≥ x).
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 27 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Preuve en image
Représentation graphique de la fonction G
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 27 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Preuve en image
Représentation graphique de la fonction G
xi
IP(X = xi )
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 27 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Preuve en image
xi
IP(X = xi )xi IP(X = xi )
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 27 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Preuve en image
Représentation graphique de E (X )
E (X )
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 27 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Preuve en image
Comparaison entre E (X ) et δIP(X ≥ δ)
E (X )
E (X )
δ
δIP(X ≥ δ)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 27 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Inégalité de Bienaymé-Tchebychev
Irénée-Jules Bienaymé (1796-1878) a obtenu le résultat en 1853.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 28 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Inégalité de Bienaymé-Tchebychev
Irénée-Jules Bienaymé (1796-1878) a obtenu le résultat en 1853.
Pafnouti Tchebychev (1821-1894) l’a obtenu en 1867.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 28 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Inégalité de Bienaymé-Tchebychev
Propriété : Soit X une variable aléatoire admettant une espéranceµ et une variance V . Pour tout δ > 0, on a
IP(|X − µ| ≥ δ) ≤ V
δ2.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 29 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Inégalité de Bienaymé-Tchebychev
Propriété : Soit X une variable aléatoire admettant une espéranceµ et une variance V . Pour tout δ > 0, on a
IP(|X − µ| ≥ δ) ≤ V
δ2.
Démonstration : On applique l’inégalité de Markov à la variablealéatoire (X − µ)2.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 29 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Remarques
Remarque 1 : Cette inégalité n’a d’intérêt que pour δ > σ =√V .
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 30 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Remarques
Remarque 1 : Cette inégalité n’a d’intérêt que pour δ > σ =√V .
Remarque 2 : Cette inégalité est dite inégalité de concentration.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 30 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Remarques
Remarque 1 : Cette inégalité n’a d’intérêt que pour δ > σ =√V .
Remarque 2 : Cette inégalité est dite inégalité de concentration.Elle donne un intervalle de fluctuation pour X ,
]µ− δ, µ+ δ[
de niveau 1 − V
δ2.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 30 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Première application
Soit X une variable aléatoire admettant une variance. On note µ sonespérance et σ2 sa variance.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 31 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Première application
Soit X une variable aléatoire admettant une variance. On note µ sonespérance et σ2 sa variance.
On souhaite estimer IP(X ∈]µ − 2σ, µ+ 2σ[) etIP(X ∈]µ− 3σ, µ+ 3σ[).
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 31 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Première application
0
0.01
0.02
0.03
0.04
150 160 170 180 190 200 210 220 230 240 250
µ− 2σ µ+ 2σ
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 32 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Première application
0
0.01
0.02
0.03
0.04
150 160 170 180 190 200 210 220 230 240 250
µ− 3σ µ+ 3σ
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 32 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Première application
Soit X une variable aléatoire admettant une variance. On note µ sonespérance et σ2 sa variance.
Par l’inégalité de BT, on obtient :
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 33 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Première application
Soit X une variable aléatoire admettant une variance. On note µ sonespérance et σ2 sa variance.
Par l’inégalité de BT, on obtient :
IP(X ∈]µ− 2σ, µ+ 2σ[)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 33 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Première application
Soit X une variable aléatoire admettant une variance. On note µ sonespérance et σ2 sa variance.
Par l’inégalité de BT, on obtient :
IP(X ∈]µ− 2σ, µ+ 2σ[) = IP(|X − µ| < 2σ)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 33 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Première application
Soit X une variable aléatoire admettant une variance. On note µ sonespérance et σ2 sa variance.
Par l’inégalité de BT, on obtient :
IP(X ∈]µ− 2σ, µ+ 2σ[) = IP(|X − µ| < 2σ) ≥ 1 − σ2
4σ2
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 33 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Première application
Soit X une variable aléatoire admettant une variance. On note µ sonespérance et σ2 sa variance.
Par l’inégalité de BT, on obtient :
IP(X ∈]µ− 2σ, µ+ 2σ[) = IP(|X − µ| < 2σ) ≥ 1 − σ2
4σ2=
3
4
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 33 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Première application
Soit X une variable aléatoire admettant une variance. On note µ sonespérance et σ2 sa variance.
Par l’inégalité de BT, on obtient :
IP(X ∈]µ− 2σ, µ+ 2σ[) = IP(|X − µ| < 2σ) ≥ 1 − σ2
4σ2=
3
4
et
IP(X ∈]µ− 3σ, µ+ 3σ[)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 33 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Première application
Soit X une variable aléatoire admettant une variance. On note µ sonespérance et σ2 sa variance.
Par l’inégalité de BT, on obtient :
IP(X ∈]µ− 2σ, µ+ 2σ[) = IP(|X − µ| < 2σ) ≥ 1 − σ2
4σ2=
3
4
et
IP(X ∈]µ− 3σ, µ+ 3σ[) = IP(|X − µ| < 3σ)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 33 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Première application
Soit X une variable aléatoire admettant une variance. On note µ sonespérance et σ2 sa variance.
Par l’inégalité de BT, on obtient :
IP(X ∈]µ− 2σ, µ+ 2σ[) = IP(|X − µ| < 2σ) ≥ 1 − σ2
4σ2=
3
4
et
IP(X ∈]µ− 3σ, µ+ 3σ[) = IP(|X − µ| < 3σ) ≥ 1 − σ2
9σ2
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 33 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Première application
Soit X une variable aléatoire admettant une variance. On note µ sonespérance et σ2 sa variance.
Par l’inégalité de BT, on obtient :
IP(X ∈]µ− 2σ, µ+ 2σ[) = IP(|X − µ| < 2σ) ≥ 1 − σ2
4σ2=
3
4
et
IP(X ∈]µ− 3σ, µ+ 3σ[) = IP(|X − µ| < 3σ) ≥ 1 − σ2
9σ2=
8
9.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 33 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Limite de l’inégalité de Bienaymé-Tchebychev
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 34 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Limite de l’inégalité de Bienaymé-Tchebychev
Il s’agit d’une majoration grossière.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 34 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Limite de l’inégalité de Bienaymé-Tchebychev
Il s’agit d’une majoration grossière.
Exemple : soit X ∼ B(400 ; 0, 5).
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 34 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Limite de l’inégalité de Bienaymé-Tchebychev
Il s’agit d’une majoration grossière.
Exemple : soit X ∼ B(400 ; 0, 5).
Par l’inégalité de BT, on IP(X ∈]µ− 2σ, µ+ 2σ[) ≥ 0, 75
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 34 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Limite de l’inégalité de Bienaymé-Tchebychev
Il s’agit d’une majoration grossière.
Exemple : soit X ∼ B(400 ; 0, 5).
Par l’inégalité de BT, on IP(X ∈]µ− 2σ, µ+ 2σ[) ≥ 0, 75
alors que le calcul nous donne
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 34 / 50
L’inégalité de Bienaymé-Tchebychev Le résultat
Limite de l’inégalité de Bienaymé-Tchebychev
Il s’agit d’une majoration grossière.
Exemple : soit X ∼ B(400 ; 0, 5).
Par l’inégalité de BT, on IP(X ∈]µ− 2σ, µ+ 2σ[) ≥ 0, 75
alors que le calcul nous donne
IP(X ∈]µ− 2σ, µ+ 2σ[) ≈ 0, 95.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 34 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Application : Inégalité de concentration pour la
moyenne empirique
On considère une suite (Xn) de variables aléatoires définies sur unmême espace de probabilité, deux à deux indépendantes, de mêmeloi, admettant une espérance µ et une variance V .
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 35 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Application : Inégalité de concentration pour la
moyenne empirique
On considère une suite (Xn) de variables aléatoires définies sur unmême espace de probabilité, deux à deux indépendantes, de mêmeloi, admettant une espérance µ et une variance V .
Pour tout n ∈ N, notons Sn = X1 + · · ·+ Xn etMn =
1n(X1 + · · ·+ Xn).
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 35 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Application : Inégalité de concentration pour la
moyenne empirique
On considère une suite (Xn) de variables aléatoires définies sur unmême espace de probabilité, deux à deux indépendantes, de mêmeloi, admettant une espérance µ et une variance V .
Pour tout n ∈ N, notons Sn = X1 + · · ·+ Xn etMn =
1n(X1 + · · ·+ Xn).
On a E (Sn)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 35 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Application : Inégalité de concentration pour la
moyenne empirique
On considère une suite (Xn) de variables aléatoires définies sur unmême espace de probabilité, deux à deux indépendantes, de mêmeloi, admettant une espérance µ et une variance V .
Pour tout n ∈ N, notons Sn = X1 + · · ·+ Xn etMn =
1n(X1 + · · ·+ Xn).
On a E (Sn) = nµ
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 35 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Application : Inégalité de concentration pour la
moyenne empirique
On considère une suite (Xn) de variables aléatoires définies sur unmême espace de probabilité, deux à deux indépendantes, de mêmeloi, admettant une espérance µ et une variance V .
Pour tout n ∈ N, notons Sn = X1 + · · ·+ Xn etMn =
1n(X1 + · · ·+ Xn).
On a E (Sn) = nµ puis E (Mn)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 35 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Application : Inégalité de concentration pour la
moyenne empirique
On considère une suite (Xn) de variables aléatoires définies sur unmême espace de probabilité, deux à deux indépendantes, de mêmeloi, admettant une espérance µ et une variance V .
Pour tout n ∈ N, notons Sn = X1 + · · ·+ Xn etMn =
1n(X1 + · · ·+ Xn).
On a E (Sn) = nµ puis E (Mn) =1nE (Sn)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 35 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Application : Inégalité de concentration pour la
moyenne empirique
On considère une suite (Xn) de variables aléatoires définies sur unmême espace de probabilité, deux à deux indépendantes, de mêmeloi, admettant une espérance µ et une variance V .
Pour tout n ∈ N, notons Sn = X1 + · · ·+ Xn etMn =
1n(X1 + · · ·+ Xn).
On a E (Sn) = nµ puis E (Mn) =1nE (Sn) = µ.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 35 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Application : Inégalité de concentration pour la
moyenne empirique
On considère une suite (Xn) de variables aléatoires définies sur unmême espace de probabilité, deux à deux indépendantes, de mêmeloi, admettant une espérance µ et une variance V .
Pour tout n ∈ N, notons Sn = X1 + · · ·+ Xn etMn =
1n(X1 + · · ·+ Xn).
On a E (Sn) = nµ puis E (Mn) =1nE (Sn) = µ.
Et V (Sn)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 35 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Application : Inégalité de concentration pour la
moyenne empirique
On considère une suite (Xn) de variables aléatoires définies sur unmême espace de probabilité, deux à deux indépendantes, de mêmeloi, admettant une espérance µ et une variance V .
Pour tout n ∈ N, notons Sn = X1 + · · ·+ Xn etMn =
1n(X1 + · · ·+ Xn).
On a E (Sn) = nµ puis E (Mn) =1nE (Sn) = µ.
Et V (Sn) = nV
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 35 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Application : Inégalité de concentration pour la
moyenne empirique
On considère une suite (Xn) de variables aléatoires définies sur unmême espace de probabilité, deux à deux indépendantes, de mêmeloi, admettant une espérance µ et une variance V .
Pour tout n ∈ N, notons Sn = X1 + · · ·+ Xn etMn =
1n(X1 + · · ·+ Xn).
On a E (Sn) = nµ puis E (Mn) =1nE (Sn) = µ.
Et V (Sn) = nV puis V (Mn)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 35 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Application : Inégalité de concentration pour la
moyenne empirique
On considère une suite (Xn) de variables aléatoires définies sur unmême espace de probabilité, deux à deux indépendantes, de mêmeloi, admettant une espérance µ et une variance V .
Pour tout n ∈ N, notons Sn = X1 + · · ·+ Xn etMn =
1n(X1 + · · ·+ Xn).
On a E (Sn) = nµ puis E (Mn) =1nE (Sn) = µ.
Et V (Sn) = nV puis V (Mn) =1n2V (Sn)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 35 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Application : Inégalité de concentration pour la
moyenne empirique
On considère une suite (Xn) de variables aléatoires définies sur unmême espace de probabilité, deux à deux indépendantes, de mêmeloi, admettant une espérance µ et une variance V .
Pour tout n ∈ N, notons Sn = X1 + · · ·+ Xn etMn =
1n(X1 + · · ·+ Xn).
On a E (Sn) = nµ puis E (Mn) =1nE (Sn) = µ.
Et V (Sn) = nV puis V (Mn) =1n2V (Sn) =
Vn.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 35 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Application : Inégalité de concentration pour la
moyenne empirique
On considère une suite (Xn) de variables aléatoires définies sur unmême espace de probabilité, deux à deux indépendantes, de mêmeloi, admettant une espérance µ et une variance V .
Pour tout n ∈ N, notons Mn =1n(X1 + · · ·+ Xn).
On a E (Mn) = µ et V (Mn) =Vn.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 36 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Application : Inégalité de concentration pour la
moyenne empirique
On considère une suite (Xn) de variables aléatoires définies sur unmême espace de probabilité, deux à deux indépendantes, de mêmeloi, admettant une espérance µ et une variance V .
Pour tout n ∈ N, notons Mn =1n(X1 + · · ·+ Xn).
On a E (Mn) = µ et V (Mn) =Vn.
Par l’inégalité de BT, on obtient,
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 36 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Application : Inégalité de concentration pour la
moyenne empirique
On considère une suite (Xn) de variables aléatoires définies sur unmême espace de probabilité, deux à deux indépendantes, de mêmeloi, admettant une espérance µ et une variance V .
Pour tout n ∈ N, notons Mn =1n(X1 + · · ·+ Xn).
On a E (Mn) = µ et V (Mn) =Vn.
Par l’inégalité de BT, on obtient, pour tout δ > 0,
IP(|Mn − µ| ≥ δ) ≤ V
nδ2.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 36 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Cas particulier : Variables aléatoires de loi de
Bernoulli
On considère une suite (Xn) de variables aléatoires deux à deuxindépendantes et de loi de Bernoulli B(p) avec p ∈]0, 1[.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 37 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Cas particulier : Variables aléatoires de loi de
Bernoulli
On considère une suite (Xn) de variables aléatoires deux à deuxindépendantes et de loi de Bernoulli B(p) avec p ∈]0, 1[.
On a E (Mn) = p et V (Mn) =p(1−p)
n.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 37 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Cas particulier : Variables aléatoires de loi de
Bernoulli
On considère une suite (Xn) de variables aléatoires deux à deuxindépendantes et de loi de Bernoulli B(p) avec p ∈]0, 1[.
On a E (Mn) = p et V (Mn) =p(1−p)
n.
Par l’inégalité de BT, on obtient, pour tout δ > 0,
IP(|Mn − p| ≥ δ) ≤ p(1 − p)
nδ2≤ 1
4nδ2.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 37 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Exercice en terminale (1)
On lance 3600 fois un dé équilibré à six faces. On souhaite minorer laprobabilité que le nombre d’apparitions du chiffre 1 soit compris entre480 et 720.
Soit S la variable aléatoire comptant le nombre d’apparitions duchiffre 1 au cours de ces lancers.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 38 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Exercice en terminale (1)
On lance 3600 fois un dé équilibré à six faces. On souhaite minorer laprobabilité que le nombre d’apparitions du chiffre 1 soit compris entre480 et 720.
Soit S la variable aléatoire comptant le nombre d’apparitions duchiffre 1 au cours de ces lancers.
1 Loi de S .
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 38 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Exercice en terminale (1)
On lance 3600 fois un dé équilibré à six faces. On souhaite minorer laprobabilité que le nombre d’apparitions du chiffre 1 soit compris entre480 et 720.
Soit S la variable aléatoire comptant le nombre d’apparitions duchiffre 1 au cours de ces lancers.
1 Loi de S .
2 Calcul de E (S) et V (S).
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 38 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Exercice en terminale (1)
On lance 3600 fois un dé équilibré à six faces. On souhaite minorer laprobabilité que le nombre d’apparitions du chiffre 1 soit compris entre480 et 720.
Soit S la variable aléatoire comptant le nombre d’apparitions duchiffre 1 au cours de ces lancers.
1 Loi de S .
2 Calcul de E (S) et V (S).
3 480 < S < 720 ⇐⇒ |S − 600| < 120.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 38 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Exercice en terminale (1)
On lance 3600 fois un dé équilibré à six faces. On souhaite minorer laprobabilité que le nombre d’apparitions du chiffre 1 soit compris entre480 et 720.
Soit S la variable aléatoire comptant le nombre d’apparitions duchiffre 1 au cours de ces lancers.
1 Loi de S .
2 Calcul de E (S) et V (S).
3 480 < S < 720 ⇐⇒ |S − 600| < 120.
4 Inégalité de B.T. → P (480 < S < 720) ≥ 0, 96.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 38 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Exercice en terminale (2)
On effectue une suite de lancers d’un dé à quatre faces. Quel nombrede lancers suffit-il pour pouvoir affirmer avec un risque d’erreurinférieur à 5 % que la fréquence d’apparition du 4 est strictementcomprise entre 0, 24 et 0, 26 ?On pose
Xi =
1 si le dé tombe sur 4 au lancer numéro i ,
0 sinon.
On note Mn la fréquence d’apparition du 4 au cours des n premierslancers.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 39 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Exercice en terminale (2)
On effectue une suite de lancers d’un dé à quatre faces. Quel nombrede lancers suffit-il pour pouvoir affirmer avec un risque d’erreurinférieur à 5 % que la fréquence d’apparition du 4 est strictementcomprise entre 0, 24 et 0, 26 ?On pose
Xi =
1 si le dé tombe sur 4 au lancer numéro i ,
0 sinon.
On note Mn la fréquence d’apparition du 4 au cours des n premierslancers.
1 Espérance et variance de chacune des Xi .
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 39 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Exercice en terminale (2)
On effectue une suite de lancers d’un dé à quatre faces. Quel nombrede lancers suffit-il pour pouvoir affirmer avec un risque d’erreurinférieur à 5 % que la fréquence d’apparition du 4 est strictementcomprise entre 0, 24 et 0, 26 ?On pose
Xi =
1 si le dé tombe sur 4 au lancer numéro i ,
0 sinon.
On note Mn la fréquence d’apparition du 4 au cours des n premierslancers.
1 Espérance et variance de chacune des Xi .2 Expression de Mn en fonction des Xi .
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 39 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Exercice en terminale (2)
On effectue une suite de lancers d’un dé à quatre faces. Quel nombrede lancers suffit-il pour pouvoir affirmer avec un risque d’erreurinférieur à 5 % que la fréquence d’apparition du 4 est strictementcomprise entre 0, 24 et 0, 26 ?On pose
Xi =
1 si le dé tombe sur 4 au lancer numéro i ,
0 sinon.
On note Mn la fréquence d’apparition du 4 au cours des n premierslancers.
1 Espérance et variance de chacune des Xi .2 Expression de Mn en fonction des Xi .3 On cherche n tel que P (|Mn − 0, 25| < 0, 01) ≥ 0, 95.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 39 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Exercice en terminale (2)
On effectue une suite de lancers d’un dé à quatre faces. Quel nombrede lancers suffit-il pour pouvoir affirmer avec un risque d’erreurinférieur à 5 % que la fréquence d’apparition du 4 est strictementcomprise entre 0, 24 et 0, 26 ?On pose
Xi =
1 si le dé tombe sur 4 au lancer numéro i ,
0 sinon.
On note Mn la fréquence d’apparition du 4 au cours des n premierslancers.
1 Espérance et variance de chacune des Xi .2 Expression de Mn en fonction des Xi .3 On cherche n tel que P (|Mn − 0, 25| < 0, 01) ≥ 0, 95.4 Inégalité de concentration → Valeur de n.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 39 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Intervalle de confiance : le problème
On lance 1000 fois une pièce de monnaie dont on ne sait pas si elleest équilibrée.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 40 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Intervalle de confiance : le problème
On lance 1000 fois une pièce de monnaie dont on ne sait pas si elleest équilibrée.On note p la probabilité de tomber sur pile.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 40 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Intervalle de confiance : le problème
On lance 1000 fois une pièce de monnaie dont on ne sait pas si elleest équilibrée.On note p la probabilité de tomber sur pile.On obtient 540 fois pile.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 40 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Intervalle de confiance : le problème
On lance 1000 fois une pièce de monnaie dont on ne sait pas si elleest équilibrée.On note p la probabilité de tomber sur pile.On obtient 540 fois pile.
Donner un intervalle de confiance pour p au niveau 0,95.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 40 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Intervalle de confiance : la modélisation
Pour tout entier i strictement positif, notons la variable aléatoire Xi
prenant la valeur 1 si on obtient pile au i -ième lancer et prenant lavaleur 0 sinon.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 41 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Intervalle de confiance : la modélisation
Pour tout entier i strictement positif, notons la variable aléatoire Xi
prenant la valeur 1 si on obtient pile au i -ième lancer et prenant lavaleur 0 sinon.Alors pour tout i , Xi ∼ B(p).
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 41 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Intervalle de confiance : la modélisation
Pour tout entier i strictement positif, notons la variable aléatoire Xi
prenant la valeur 1 si on obtient pile au i -ième lancer et prenant lavaleur 0 sinon.Alors pour tout i , Xi ∼ B(p).
Notons Mn =1n
n∑
i=1
Xi la proportion de pile obtenue après n lancers.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 41 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Intervalle de confiance : la modélisation
Pour tout entier i strictement positif, notons la variable aléatoire Xi
prenant la valeur 1 si on obtient pile au i -ième lancer et prenant lavaleur 0 sinon.Alors pour tout i , Xi ∼ B(p).
Notons Mn =1n
n∑
i=1
Xi la proportion de pile obtenue après n lancers.
Le problème consiste à trouver δ tel que
IP(|M1000 − p| < δ) ≥ 0, 95.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 41 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Intervalle de confiance : la résolution
D’après l’inégalité de Bienaymé-Tchebychev, on a
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 42 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Intervalle de confiance : la résolution
D’après l’inégalité de Bienaymé-Tchebychev, on a
IP(|M1000 − p| < δ) ≥ 1 − p(1 − p)
1000δ2≥ 1 − 1
4000δ2.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 42 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Intervalle de confiance : la résolution
D’après l’inégalité de Bienaymé-Tchebychev, on a
IP(|M1000 − p| < δ) ≥ 1 − p(1 − p)
1000δ2≥ 1 − 1
4000δ2.
Il suffit donc de choisir δ tel que
1 − 1
4000δ2≥ 0, 95.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 42 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Intervalle de confiance : la résolution
D’après l’inégalité de Bienaymé-Tchebychev, on a
IP(|M1000 − p| < δ) ≥ 1 − p(1 − p)
1000δ2≥ 1 − 1
4000δ2.
Il suffit donc de choisir δ tel que
1 − 1
4000δ2≥ 0, 95.
C’est-à-dire
δ ≥ 1√4000 × 0, 05
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 42 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Intervalle de confiance : la résolution
D’après l’inégalité de Bienaymé-Tchebychev, on a
IP(|M1000 − p| < δ) ≥ 1 − p(1 − p)
1000δ2≥ 1 − 1
4000δ2.
Il suffit donc de choisir δ tel que
1 − 1
4000δ2≥ 0, 95.
C’est-à-dire
δ ≥ 1√4000 × 0, 05
=1
10√
2
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 42 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Intervalle de confiance : la résolution
D’après l’inégalité de Bienaymé-Tchebychev, on a
IP(|M1000 − p| < δ) ≥ 1 − p(1 − p)
1000δ2≥ 1 − 1
4000δ2.
Il suffit donc de choisir δ tel que
1 − 1
4000δ2≥ 0, 95.
C’est-à-dire
δ ≥ 1√4000 × 0, 05
=1
10√
2≈ 0, 07.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 42 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Intervalle de confiance : la conclusion
L’intervalle [0, 54 − 0, 08; 0, 54+ 0, 08] est un intervalle de confiancepour p au niveau 0,95.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 43 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Méthode de Monte-Carlo
Mn =Snn= prop. de points dans le quart de disque
bb
b
b
b
b
b
bb
b
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 44 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Méthode de Monte-Carlo
Mn =Snn= prop. de points dans le quart de disque
bb
b
b
b
b
b
bb
b
π ≈ 4 ×Mn
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 44 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Méthode de Monte-Carlo
Mn =Snn= prop. de points dans le quart de disque
bb
b
b
b
b
b
bb
b
π ≈ 4 ×Mn
Sn ∼ B(
n, π4
)
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 44 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Méthode de Monte-Carlo
Mn =Snn= prop. de points dans le quart de disque
bb
b
b
b
b
b
bb
b
π ≈ 4 ×Mn
Sn ∼ B(
n, π4
)
P(∣
∣Mn − π4
∣
∣ < δ)
≥ 1 − 14nδ2
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 44 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Méthode de Monte-Carlo
Mn =Snn= prop. de points dans le quart de disque
bb
b
b
b
b
b
bb
b
π ≈ 4 ×Mn
Sn ∼ B(
n, π4
)
P(∣
∣Mn − π4
∣
∣ < δ)
≥ 1 − 14nδ2
Il faut 100 × plus de temps pour avoir la 2e décimale que pouravoir la 1re
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 44 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Méthode de Monte-Carlo
Mn =Snn= prop. de points dans le quart de disque
bb
b
b
b
b
b
bb
b
π ≈ 4 ×Mn
Sn ∼ B(
n, π4
)
P(∣
∣Mn − π4
∣
∣ < δ)
≥ 1 − 14nδ2
Il faut 100 × plus de temps pour avoir la 2e décimale que pouravoir la 1re
Problème annexe : temps pour remplir l’écran ?
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 44 / 50
L’inégalité de Bienaymé-Tchebychev Des applications
Méthode de Monte-Carlo
Mn =Snn= prop. de points dans le quart de disque
bb
b
b
b
b
b
bb
b
π ≈ 4 ×Mn
Sn ∼ B(
n, π4
)
P(∣
∣Mn − π4
∣
∣ < δ)
≥ 1 − 14nδ2
Il faut 100 × plus de temps pour avoir la 2e décimale que pouravoir la 1re
Problème annexe : temps pour remplir l’écran ? Loi géométrique et série harmonique
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 44 / 50
La loi faible des grands nombres
1 Les programmes
2 Une approche historique
3 L’inégalité de Bienaymé-TchebychevLe résultatDes applications
4 La loi faible des grands nombres
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 45 / 50
La loi faible des grands nombres
Convergence en probabilité
Définition : Soit (Xn) une suite de variables aléatoires et soit X unevariable aléatoire toutes définies sur un même espace de probabilité.On dit que Xn converge en probabilité vers X si
∀ǫ > 0, limn→+∞
IP(|Xn − X | ≥ ǫ) = 0.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 46 / 50
La loi faible des grands nombres
Convergence en probabilité
Définition : Soit (Xn) une suite de variables aléatoires et soit X unevariable aléatoire toutes définies sur un même espace de probabilité.On dit que Xn converge en probabilité vers X si
∀ǫ > 0, limn→+∞
IP(|Xn − X | ≥ ǫ) = 0.
On note XnIP−→
n→+∞X .
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 46 / 50
La loi faible des grands nombres
Loi faible des grands nombres
Théorème : Soit (Xn) une suite de variables aléatoires définies surun même espace de probabilité, deux à deux indépendantes, de mêmeloi admettant une espérance µ et une variance. Alors on a
1
n
n∑
i=1
XiIP−→
n→+∞µ.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 47 / 50
La loi faible des grands nombres
Loi faible des grands nombres
Théorème : Soit (Xn) une suite de variables aléatoires définies surun même espace de probabilité, deux à deux indépendantes, de mêmeloi admettant une espérance µ et une variance. Alors on a
1
n
n∑
i=1
XiIP−→
n→+∞µ.
Remarque : L’inégalité de Bienaymé Tchebychev précise la vitessede convergence.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 47 / 50
La loi faible des grands nombres
Application dans le cas du schéma de Bernoulli
Soit (Xn) une suite de variables aléatoires définies sur un mêmeespace de probabilité, deux à deux indépendantes, dont la loi est laloi de Bernoulli de paramètre p ∈]0, 1[. Alors on a
1
n
n∑
i=1
XiIP−→
n→+∞p.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 48 / 50
La loi faible des grands nombres
Illustration
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 49 / 50
La loi faible des grands nombres
Illustration
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 49 / 50
Résumé
Résumé
Dénombrement.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 50 / 50
Résumé
Résumé
Dénombrement.
Espérance et variance d’une somme/d’une comb. lin.
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 50 / 50
Résumé
Résumé
Dénombrement.
Espérance et variance d’une somme/d’une comb. lin.
Somme et moyenne d’un échantillon.
Sn = X1 + X2 + · · ·+ Xn
Mn =X1 + X2 + · · ·+ Xn
n
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 50 / 50
Résumé
Résumé
Dénombrement.
Espérance et variance d’une somme/d’une comb. lin.
Somme et moyenne d’un échantillon.
Sn = X1 + X2 + · · ·+ Xn
Mn =X1 + X2 + · · ·+ Xn
n
Loi binomiale
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 50 / 50
Résumé
Résumé
Dénombrement.
Espérance et variance d’une somme/d’une comb. lin.
Somme et moyenne d’un échantillon.
Sn = X1 + X2 + · · ·+ Xn
Mn =X1 + X2 + · · ·+ Xn
n
Loi binomiale
Loi normale
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 50 / 50
Résumé
Résumé
Dénombrement.
Espérance et variance d’une somme/d’une comb. lin.
Somme et moyenne d’un échantillon.
Sn = X1 + X2 + · · ·+ Xn
Mn =X1 + X2 + · · ·+ Xn
n
Loi binomiale
Loi normale
Inégalité de B.T. et applications
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 50 / 50
Résumé
Résumé
Dénombrement.
Espérance et variance d’une somme/d’une comb. lin.
Somme et moyenne d’un échantillon.
Sn = X1 + X2 + · · ·+ Xn
Mn =X1 + X2 + · · ·+ Xn
n
Loi binomiale
Loi normale
Inégalité de B.T. et applications Inégalité de concentration, loi binomiale, stat., LGN
shortname (shortinst) L’inégalité de Bienaymé-Tchebychev 50 / 50