Académique Documents
Professionnel Documents
Culture Documents
Exemple
Soit X la variable aléatoire qui, à chaque paquet de chips issue d’une chaîne de production,
associe sa masse en grammes.
Pour tout 𝑘 ∈ 1 ; 3 , on note 𝑋𝑘 la variable aléatoire qui, à
chaque lot de 3 paquets de chips, associe la masse du 𝑘 − 𝑖è𝑚𝑒 paquet.
Les variables aléatoires 𝑋1 , 𝑋2 et 𝑋3 sont indépendantes et suivent la même loi que X donc,
𝑋1 ; 𝑋2 ; 𝑋3 est un échantillon de taille 3 de la loi de X.
Remarque
Une liste 𝑥1 ; 𝑥2 ; … ; 𝑥𝑛 de valeurs prises respectivement par les variables aléatoires 𝑋𝑘 avec 𝑘 ∈ 1 ; 𝑛
est une réalisation de cet échantillon.
Exemple
On reprend l’exemple des paquets de chips. La variable aléatoire somme 𝑆3 = 𝑋1 + 𝑋2 + 𝑋3
associe, à chaque lot de 3 paquets de chips, la masse totale en grammes du lot.
Démonstration
Exemple
Exemple
𝑋 +𝑋 +𝑋
On reprend l’exemple des paquets de chips. La variable aléatoire moyenne 𝑀3 = 1 32 3
associe, à chaque lot de 3 paquets de chips, la masse moyenne en grammes d’un paquet.
Démonstration
Exemple
Interprétation
En prenant un grand nombre de fois des échantillons de taille 10 et en calculant à chaque fois la moyenne
de ces échantillons, la moyenne théorique de ces résultats est 𝐸 𝑀10 .
Remarque
𝝈 𝑿
𝝈 𝑴𝒏 = 𝒏
montre que l’écart type diminue quand la taille de l’échantillon augmente
et tend vers 0 quand la taille de l’échantillon tend vers +∞.
Elle quantifie la fluctuation d’échantillonnage, c’est-à-dire l’écart moyen entre les valeurs prises
par la variable aléatoire et son espérance.
Par exemple,
4°) Simuler un échantillon d’une loi de probabilité
Exemple
1.
3. Voici une fonction en langage Python à saisir à la suite du programme de la question 1.b)
5°) Quelques exercices
Exercice n°1
Exercice n°2
Exercice n°3
Exercice n°4
Exercice n°5
II – Inégalités probabilistes
1°) Inégalité de Bienaymé-Tchebychev
a. Activité
b. Propriété
Démonstration
Remarques
L’intérêt de cette inégalité est surtout théorique.
Il sert aussi pour la détermination d’un nombre d’échantillons en procédant pas conditions suffisantes.
𝑉
𝑃 𝑋 − 𝜇 ≥ 𝛿 ≤ 𝛿2
𝑉
⟺ 1−𝑃 𝑋−𝜇 <𝛿 ≤
𝛿2
𝑉
⟺ 𝑃 𝑋−𝜇 <𝛿 ≥1− 2
𝛿
𝑉
⟺ 𝑃 𝜇−𝛿 < 𝑋 <𝜇+𝛿 ≥ 1−
𝛿2
c. Exemples et Illustration
d. Exercices
Exercice n°1
Exercice n°2
2°) Inégalité de concentration
a. propriété et exemple
𝑋1 +𝑋2 +⋯+𝑋𝑛
On note 𝑀𝑛 = la variable aléatoire moyenne de cet échantillon.
𝑛
Démonstration
Exemple
b. Quelques exercices
Exercice n°1
Exercice n°2
Exercice n°3
Exercice n°5
Exercice n°4
3°) Loi des grands nombres
𝑋1 +𝑋2 +⋯+𝑋𝑛
On note 𝑀𝑛 = la variable aléatoire moyenne de cet échantillon.
𝑛
Démonstration
Remarque
Comme on peut prendre 𝛿 = 0,01 𝑜𝑢 0,001 𝑜𝑢 0,0001 … (aussi petit que l’on veut au final),
cette propriété 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 »
ce qui justifie la possibilité de définir des probabilités en prenant pour valeurs approchées
les fréquences obtenues pour un « grand » nombre d’essais.
(comme vue en classe de Seconde et/ou en classe de Première)
Exemple
Un exercice
Algo et Python n°1
Algo et Python n°2
Algo et Python n°3
Type Bac 1
Approfondissement
Vers le grand oral