👉 Des fiches d'exercices (non visibles actuellement sur l'application) existent, elles sont disponibles depuis le site internet https://www.digischool.fr/lycee

I. Loi des grands nombres

Théorème :

Soit $\overline{X}$ une variable aléatoire, $n \in \mathbb{N}^{*}$ , $X_1, \dots, X_n$ un échantillon aléatoire de $\overline{X}$ et $M_n = \dfrac{1}{n} \sum_{i=1}^{n} X_i$ .

Alors $\forall a \in {0; +\infty}$ : $\displaystyle\lim_{n \to +\infty} P \left( |M_n - E[X]| \geq a \right) = 0$ .

II. Un exemple

On lance $n$ fois un dé équilibré à 8 faces et on nomme $X_i$ la variable aléatoire donnant le résultat du $i$ -ème lancer. On admet que $E(X) = 4,5$ et $V(X_i) = 5,25$ pour tout entier $i$ entre 1 et $n$ . On considère $\delta = 0,1$ .

D’après la loi des grands nombres, $P(|M_n - 4,5| \geq 0,1)$ , que l’on peut également écrire $P(M_n \notin ]4,4 ; 4,6[)$ , tend vers 0 lorsque la taille de l’échantillon tend vers $+\infty$ .

On en déduit que $P(M_n \in ]4,4 ; 4,6[)$ tend vers 1 lorsque la taille de l’échantillon tend vers $+\infty$ . Autrement dit, si l’on fait un nombre suffisamment grand de lancers, on peut rendre l’événement « la moyenne de l’échantillon est dans $]4,4 ; 4,6[$ » aussi probable qu’on le souhaite en prenant $n$ suffisamment grand.

Remarque Dans l’exemple, on aurait pu prendre $\delta = 0,01$ ou $0,001$ , etc. : la loi des grands nombres illustre le fait que la moyenne de l’échantillon se rapproche de l’espérance des variables aléatoires quand la taille de l’échantillon « devient grande », comme cela a été vu en Première.

I. Loi des grands nombres

Théorème :

Soit

\overline{X}

une variable aléatoire,

n \in \mathbb{N}^{*}

X_1, \dots, X_n

un échantillon aléatoire de

\overline{X}

M_n = \dfrac{1}{n} \sum_{i=1}^{n} X_i

Alors

\forall a \in {0; +\infty}

\displaystyle\lim_{n \to +\infty} P \left( |M_n - E[X]| \geq a \right) = 0

II. Un exemple

On lance

n

fois un dé équilibré à 8 faces et on nomme

X_i

la variable aléatoire donnant le résultat du

i

-ème lancer. On admet que

E(X) = 4,5

V(X_i) = 5,25

pour tout entier

i

entre 1 et

n

. On considère

\delta = 0,1

D’après la loi des grands nombres,

P(|M_n - 4,5| \geq 0,1)

, que l’on peut également écrire

P(M_n \notin ]4,4 ; 4,6[)

, tend vers 0 lorsque la taille de l’échantillon tend vers

+\infty

On en déduit que

P(M_n \in ]4,4 ; 4,6[)

tend vers 1 lorsque la taille de l’échantillon tend vers

+\infty

. Autrement dit, si l’on fait un nombre suffisamment grand de lancers, on peut rendre l’événement « la moyenne de l’échantillon est dans

]4,4 ; 4,6[

» aussi probable qu’on le souhaite en prenant

n

suffisamment grand.

Remarque Dans l’exemple, on aurait pu prendre

\delta = 0,01

0,001

, etc. : la loi des grands nombres illustre le fait que la moyenne de l’échantillon se rapproche de l’espérance des variables aléatoires quand la taille de l’échantillon « devient grande », comme cela a été vu en Première.