À quoi sert ce chapitre
Quand tu lances une pièce équilibrée 1 000 fois, tu t'attends à « à peu près » 500 fois pile. Mais que veut dire « à peu près » ? Un écart de 10 est-il banal ? Ce chapitre y répond en chiffres.
Il repose sur un outil unique, l'inégalité de Bienaymé-Tchebychev, qui majore la probabilité qu'une variable aléatoire s'éloigne de son espérance. On en tire l'inégalité de concentration, qui porte sur la moyenne d'un échantillon, et la loi des grands nombres. C'est ce qui justifie qu'un sondage renseigne sur toute une population, et ce qui permet de choisir la taille d'un échantillon selon la précision et le risque acceptés.
L'écart-type, unité naturelle de dispersion
Soit une variable aléatoire d'espérance , de variance et d'écart-type . L'écart entre et son espérance se mesure par .
Traduire un événement d'écart
Pour un réel :
- signifie : est dans l'intervalle ouvert ;
- signifie ou : est hors de cet intervalle.
Ces deux événements sont contraires, donc :
Le rôle de l'écart-type
L'écart-type est l'unité naturelle de la dispersion de autour de : des écarts de l'ordre de sont normaux, des écarts de plusieurs deviennent improbables. L'inégalité suivante le quantifie.
L'inégalité de Bienaymé-Tchebychev
Énoncé
Soit une variable aléatoire d'espérance et de variance . Pour tout réel strictement positif :
Trois remarques sur cet énoncé :
- il est universel : il s'applique à toute variable aléatoire dont on connaît l'espérance et la variance, sans rien savoir de sa loi ;
- il donne un majorant, pas la valeur de la probabilité ;
- au numérateur figure la variance , et non l'écart-type ; au dénominateur, est au carré.
Passer à l'événement contraire
Comme les événements et sont contraires, l'inégalité donne aussi une minoration :
Attention au sens : majorer la probabilité d'un événement revient à minorer celle de son contraire.
Exemple travaillé
Une variable a pour espérance et pour variance . Majorons la probabilité qu'elle s'écarte de d'au moins : ici , donc
et, par passage au contraire, .
Écarts mesurés en nombre d'écarts-types
Prends avec . Comme :
Ainsi :
- un écart d'au moins : probabilité au plus ;
- un écart d'au moins : probabilité au plus .
Pour , le majorant vaut : l'inégalité n'apprend rien, ce qui est cohérent — des écarts de l'ordre de sont naturels.
L'inégalité de concentration
La moyenne d'un échantillon
Un échantillon de taille de est une liste de variables indépendantes de même loi que . Sa variable moyenne est :
Tu as vu au chapitre précédent que, si a pour espérance et pour variance :
Même espérance que , mais une variance fois plus petite, donc un écart-type : plus l'échantillon est grand, plus est resserrée autour de .
Énoncé
Si est la variable aléatoire moyenne d'un échantillon de taille d'une variable aléatoire d'espérance et de variance , alors pour tout :
C'est Bienaymé-Tchebychev appliquée à , d'espérance et de variance .
Exemple travaillé
On lance 100 fois un dé équilibré ; est la moyenne des résultats. Pour un lancer, et . Majorons la probabilité que la moyenne s'écarte de d'au moins :
Donc , soit au moins 0,883 environ.
Choisir une taille d'échantillon
C'est la capacité attendue du chapitre. On fixe :
- une précision : l'écart maximal toléré entre et ;
- un risque : la probabilité maximale acceptée de dépasser cet écart.
On cherche tel que . Il suffit que le majorant le soit :
Exemple travaillé
On lance fois une pièce équilibrée ; est la fréquence de pile. Chaque lancer suit la loi de Bernoulli de paramètre , donc et .
On veut que la fréquence soit à moins de 0,05 de 0,5, avec un risque d'au plus 5 %.
- Précision : . Risque : .
- Majorant : .
- Condition : .
Avec lancers, on est sûr que , donc que .
Une condition suffisante, pas nécessaire
Le raisonnement prouve que suffit, pas qu'il faut 2 000 lancers : l'inégalité étant grossière, une taille plus petite peut déjà convenir. C'est une condition suffisante.
Quand n'est pas un entier, on prend l'entier immédiatement supérieur : si le calcul donne , la plus petite taille garantie est .
La loi des grands nombres
Énoncé
Soit la moyenne d'un échantillon de taille d'une variable aléatoire d'espérance . Pour tout réel :
En mots : l'écart entre la moyenne d'un échantillon et l'espérance ne dépasse une valeur donnée à l'avance qu'avec une probabilité qui tend vers zéro quand la taille de l'échantillon tend vers l'infini.
Pourquoi c'est vrai
Fixe . Une probabilité est positive, et l'inégalité de concentration la majore :
Or et sont fixés, donc tend vers 0 quand tend vers . D'après le théorème des gendarmes, la probabilité tend vers 0.
Ce que la loi dit, et ce qu'elle ne dit pas
Elle dit qu'il devient de plus en plus improbable que s'écarte de de plus de , aussi petit que soit : c'est ce qui justifie d'estimer une probabilité par une fréquence observée sur beaucoup d'essais. Elle ne dit pas que devient égale à , ni qu'un grand écart est impossible pour un donné : une probabilité tend vers 0, ce n'est pas une certitude.
Une inégalité universelle mais loin d'être optimale
Le prix de l'universalité, c'est la précision. L'inégalité de Bienaymé-Tchebychev affirme qu'un écart à d'au moins a une probabilité inférieure ou égale à , alors que les simulations montrent que cette probabilité est souvent proche de 0,05 (loi en cloche, non une borne).
Exemple travaillé avec une loi binomiale
Soit une variable aléatoire qui suit la loi binomiale . Alors , et .
- Par l'inégalité : .
- Par le calcul direct : signifie ou , et la calculatrice donne .
Le majorant 0,25 est juste, mais il est plus de quatre fois supérieur à la valeur réelle. Les deux résultats ne se contredisent pas : .
Cela ne lui ôte pas son intérêt : c'est le seul outil disponible quand la loi est inconnue, et il suffit à établir la loi des grands nombres.
Les pièges
- Oublier le carré. Écrire au lieu de . Avec et , le majorant est et non .
- Mettre l'écart-type à la place de la variance. Si l'énoncé donne , il faut utiliser .
- Oublier le dans l'inégalité de concentration. Pour une moyenne , le majorant est , où est la variance d'une seule variable de l'échantillon.
- Se tromper de sens en passant au contraire. De on déduit , avec le symbole .
- Prendre le majorant pour la probabilité. L'inégalité ne dit pas que la probabilité vaut . Un majorant supérieur à 1 est juste, mais il n'apporte aucune information.
- Arrondir la taille d'échantillon vers le bas. Si , alors ne convient pas : il faut .
- Affirmer que la taille trouvée est la plus petite possible. Elle est suffisante ; rien ne prouve qu'elle soit nécessaire.
- Mal lire la loi des grands nombres. Elle n'affirme pas que la moyenne observée est égale à l'espérance dès que est grand.
Ce qu'il faut retenir
- signifie ; l'événement contraire est , d'où .
- Bienaymé-Tchebychev, pour toute variable d'espérance et de variance , et tout : . Au numérateur la variance, au dénominateur au carré.
- Inégalité de concentration, pour la moyenne d'un échantillon de taille : , où est la variance d'une seule variable de l'échantillon.
- Taille d'échantillon garantissant un risque pour une précision : , arrondie à l'entier supérieur. C'est une condition suffisante, pas nécessaire.
- Loi des grands nombres : pour tout , . Elle se démontre en encadrant cette probabilité entre et .
- Ces majorants sont universels mais grossiers : un majorant juste peut être plusieurs fois supérieur à la probabilité réelle, et un majorant supérieur à n'apprend rien.
À l'épreuve
Les sujets de 2024 et de 2025 comptent quatre exercices sur 20 points ; la forme de 2027 n'est pas confirmée ici. Justifie chaque réponse : un résultat sans justification ne montre pas ta démarche.
Ce chapitre peut apparaître dans un exercice de probabilités, après une loi binomiale ou un échantillon. Des consignes de ce genre peuvent se présenter : « montrer que », « en déduire une minoration de », « déterminer une valeur de pour laquelle le risque est inférieur à 5 % », « cette valeur est-elle la plus petite possible ? », « que dit la loi des grands nombres sur cette situation ? ».
Identifie , et avant d'appliquer l'inégalité (avec si l'énoncé donne l'écart-type), écris le passage à l'événement contraire, conduis la résolution de l'inéquation en avec son sens d'inégalité, justifie l'arrondi à l'entier supérieur, et termine par une phrase qui dit ce que majore le nombre trouvé.