• Aucun résultat trouvé

I Variables aléatoires discrètes.

N/A
N/A
Protected

Academic year: 2022

Partager "I Variables aléatoires discrètes."

Copied!
4
0
0

Texte intégral

(1)

Lycée Paul Rey Denis Augier

Chapitre 14 : Loi des grands nombre

I Variables aléatoires discrètes.

A Exemple.

Exemple 1. Soit l’expérience aléatoire qui consiste à lancer un dé à 6 faces.

L’univers des possibles Ω“ t1; 2; 3; 4; 5; 6u.

Maintenant, on considère que la personne qui lance le dé reçoit :

• 50 e, s’il obtient le nombre 6 lors du lancé .

• 20 e, s’il obtient les nombre 4 ou 5 lors du lancé.

• il donne 30e sinon.

Si l’on note la fonctionX qui au résultat du lancer donne la somme obtenu par le joueur.

Exemple 2. Si l’on considère l’expérience qui consiste à lancer une pièce. Ensuite au affecte 1 lorsque l’on obtient "face" et 0 si l’on obtient "pile". On définie ainsi une variable aléatoire Y tel que :

Y : Ω“ tP ile , F aceu ÑYpΩq “ t0,1u La loi de probabilité, si la pièce est équilibrée, est donné par :

B Définition.

Si pour une expérience aléatoire, on note Ω l’ensemble des issues possibles.

On appellevariable aléatoire réelle toute application à valeurs réelles de Ω.

(C’est-à-dire XpΩq ĂR).

X: ΩÑXpΩq ĂR ω ÞÑXpωq

SiXpΩq “ pxiqiPD avec DĂN (avec xi PR), on parlera de variable aléatoire réelle discrète.

Cette année on rencontrera essentiellement le cas où D“J1, nKavec nPN˚.

La donnée des valeurs de PpX“xiq sera appeléela loi de probabilité de la variable X.

Définition 1

La somme des probabilités vaut 1 :

ÿ

iPD

PpX“xiq “1 Proposition 1

Déterminer une loi de probabilité 1 et Vidéo 2 Vidéo 1

Ex 1 à 21 page 324 à 326 : faire en priorité les exercices verts.

1 Spécialité 2019-2020 1

(2)

Lycée Paul Rey Denis Augier

C Espérance et variance.

Avec les notations de la définition précédente, l’espérance si elle existe est définie par :

EpXq “ ÿ

iPD

xiPpX“xiq

La variance, si elle existe est définie par : VpXq “E

pX´EpXqq2ı

Et enfin l’écart type (si la variance existe) est dé- finie par :

σpXq “a VpXq Définition 2

D Propriétés de l’espérance, de la variance et de l’écart type.

Avec les notations de la définition précédente. Soientaetbdeux réels. On a :EpaX`bq “aEpXq`b Proposition 2

On peut aussi calculer la variance par la formule :

VpXq “E` X2˘

´EpXq2

˜ ÿ

iPD

x2iPpX“xiq

¸

´EpXq2 Proposition 3

Siaetb sont deux réels on obtient :

VpaX`bq “a2VpXq Et donc :

σpaX`bq “ |a|σpXq Proposition 4

II Somme de variables aléatoires.

LorsqueX etY sont deux variables aléatoires,X`Y est la variable aléatoire qui prend pour valeurs les sommes des valeurs possibles deX etY.

Définition 3

Exemple 3. On lance un dé à 6 faces et 1 à 4 faces. On note X la valeur obtenue par le premier dé et Y par le second.

Loi de probabilité, espérance et variance ?

1 Spécialité 2019-2020 2

(3)

Lycée Paul Rey Denis Augier

Soient X etY deux variables aléatoires :

EpX`Yq “EpXq `EpYq (plus généralement E

˜ N ÿ

n1

λnXn

¸

N

ÿ

n1

EnXnq.

Si de plus les deux variables sont indépendantes :

VpX`Yq “VpXq `VpYq Proposition 5

Remarque 1. Attention si les deux variables sont indépendantes : VpX´Yq “VpXq `VpYq

III Inégalités de concentration

A Inégalité de Markov

Soit X une variable aléatoire à valeurs positives et soit aPs0,`8r : PpXěaq ď EpXq

a Proposition 6

B Inégalité de Bienaymé-Tchebychev

Soit X une variable aléatoire à valeurs positives et soit aPs0,`8r : Pp|X´EpXq| ěaq ď VpXq

a2 Proposition 7

IV Loi des grands nombres

A Pour la loi binomiale

Si pXiqt1,nu n suivant un même loi de Bernoulli de paramètre p. Alors Sn

n

ÿ

i1

Xi détermine le nombre de succés parmi les népreuve de Bernoulli associées auxpXiqt1,nu, suit une loi binomiale de paramètre n, p.

Proposition 8

1 Spécialité 2019-2020 3

(4)

Lycée Paul Rey Denis Augier

Si pXiqt1,nu nsuivant un même loi de Bernoulli de paramètre p. Alors MnSn

n

n

ÿ

i1

Xi

n s’appelle la fréquence empirique associée aux pXiqt1,nu

SiaPs0,`8r, alors : P´

Sn´npěa¯

ě npp1´pq

a2 et P´

Mn´pěa¯

ě pp1´pq na2 Définition-Proposition 9

B cas général

Si pXiqt1,nu, n variables aléatoires identiques et indépendantes. On note MnSn

n

n

ÿ

i1

Xi

n la moyenne empirique associée aux pXiqt1,nu

SiaPs0,`8r, alors :

P

´

Mn´EpX1qěa

¯

ě VpX1q na2 Donc cette probabilité tend vers 0.

On dit queMn qu’elle tend en probabilité vers EpX1q lorsquentend vers `8 Définition-Proposition 10

1 Spécialité 2019-2020 4

Références

Documents relatifs

On répète indéniment, de manière indépendante, une expérience aléatoire au cours de laquelle un événement A peut, à chaque fois, se produire avec une probabilité p ∈]0; 1[.

On tire simultanément et au hasard 4 cartes dans un jeu de 32 cartes. Au résultat de chaque main de 4 cartes, on note X la variable aléatoire prenant pour valeur le nombre de

Lorsque la variable aléatoire n’est pas à valeur dans N p.s., on utilise alors la caractérisation par la fonction caractéristique, valable pour des variables aléatoires quel-

On reprend l’exemple précédent : on lance deux dés (X le plus petit des deux numéros obtenus et Y le plus grand numéro obtenu).. On lance deux dés équilibrés à 6 faces (l’un

Soit Y la variable aléatoire prenant pour valeur le résultat du dé bleu.. Et X la variable aléatoire prenant pour valeur le résultat le

On suppose maintenant que le nombre de lancers eectués avec la pièce est une variable aléatoire N suivant la loi de Poisson de paramètre λ > 0?. Quelle est alors la loi

On note X la variable aléatoire égale au nombre de joueurs ayant marqué leur premier lancer franc, et Z la variable aléatoire égale au nombre de joueurs ayant marqué au moins un

On note X la variable aléatoire égale au nombre de joueurs ayant marqué leur premier lancer franc, et Z la variable aléatoire égale au nombre de joueurs ayant marqué au moins un