Concentration et loi des grands nombres
Comprendre le sens de la dispersion autour de l'espérance à l'aide de l'écart type, appliquer l'inégalité de Bienaymé-Tchebychev et l'inégalité de concentration, et déterminer une taille d'échantillon n garantissant une précision δ avec un risque α choisi.

Les points essentiels
- Pour une variable aléatoire X d'espérance μ et de variance V, l'inégalité de Bienaymé-Tchebychev s'écrit, pour tout réel δ strictement positif : P(|X − μ| ≥ δ) ≤ V/δ².
- L'écart type σ = √V est l'unité naturelle pour mesurer la dispersion de X autour de son espérance μ : des écarts de quelques σ deviennent improbables.
Les mots à connaître
- Échantillon de taille n
- Liste (X₁, …, Xₙ) de variables aléatoires indépendantes et de même loi.
- Moyenne empirique Mₙ
- Mₙ = Sₙ/n, où Sₙ = X₁ + … + Xₙ est la somme des variables de l'échantillon. Ici E(Mₙ) = μ et V(Mₙ) = V/n.
Un exemple pour comprendre
Soit X une variable aléatoire d'espérance μ = 0,5 et de variance V = 0,25. On note Mₙ la moyenne d'un échantillon de taille n de la loi de X. Détermine le plus petit entier n pour lequel la borne de Bienaymé-Tchebychev garantit P(|Mₙ − 0,5| ≥ 0,05) ≤ 0,05.
Étape 1 : j'écris l'inégalité de concentration : P(|Mₙ − μ| ≥ δ) ≤ V/(nδ²). Étape 2 : je remplace V = 0,25, δ = 0,05 et le risque α = 0,05. Étape 3 : je veux V/(nδ²) ≤ α, soit 0,25/(n × 0,0025) ≤ 0,05. Étape 4 : j'isole n : 0,25 ≤ 0,000125 × n. Étape 5 : n ≥ 0,25/0,000125 = 2000. Conclusion : n = 2000 est le plus petit entier pour lequel cette borne garantit le risque demandé ; ce n’est pas nécessairement le minimum pour la probabilité réelle.

