L'inégalité de Bienaymé-Tchebychev : borner le hasard sans loi exacte
Objectif : Comprendre et exploiter les inégalités de Markov et de Bienaymé-Tchebychev pour quantifier la concentration d'une variable aléatoire autour de sa moyenne.
L’essentiel
Dans la théorie des probabilités enseignée au lycée, le calcul des risques repose presque toujours sur la connaissance préalable et exhaustive de la loi suivie par la variable aléatoire : loi binomiale bien calibrée, loi géométrique ou loi normale standardisée.
À retenir
- Inégalité de Markov : pour X >= 0 et a > 0, P(X >= a) est inférieur ou égal à E(X) / a.
- Inégalité de Bienaymé-Tchebychev : P(abs(X - E(X)) >= e) est inférieur ou égal à V(X) / e^2.
- Universalité : ces bornes s'appliquent à toute variable aléatoire admettant des moments d'ordre un et deux.
- Règle des k-sigmas : P(abs(X - E(X)) >= k * sigma) est inférieur ou égal à 1 / k^2.
- Portée théorique : pierre angulaire de la démonstration de la loi faible des grands nombres.
Le tableau à connaître
| Inégalité probabiliste | Hypothèses requises | Formule canonique et borne obtenue |
|---|---|---|
| Inégalité de Markov | Variable aléatoire X positive, constante a > 0 | P(X >= a) est inférieur ou égal à E(X) / a : borne d'ordre un sur la queue de loi. |
| Bienaymé-Tchebychev | Variable X admettant une variance V(X), e > 0 | P(abs(X - E(X)) >= e) est inférieur ou égal à V(X) / e^2 : concentration autour du centre. |
| Forme standardisée (k*sigma) | Écart mesuré en multiples de l'écart-type sigma | P(abs(X - E(X)) >= k*sigma) est inférieur ou égal à 1 / k^2 : règle universelle. |
| Écart à deux sigmas (k = 2) | Valable pour n'importe quelle loi de variance finie | P(abs(X - E(X)) >= 2*sigma) est inférieur ou égal à 1/4 = 25% au grand maximum. |
| Écart à trois sigmas (k = 3) | Valable sans aucune hypothèse de symétrie | P(abs(X - E(X)) >= 3*sigma) est inférieur ou égal à 1/9 = 11,1% de dispersion. |
| Loi des grands nombres | Moyenne empirique Sn/n de n variables i.i.d. | P(abs(Sn/n - mu) >= e) tend vers 0 lorsque n grandit vers l'infini. |
⚠ Attention, piège
- L'inégalité de Bienaymé-Tchebychev EXIGE l'existence d'une variance finie ! Pour des lois à queues lourdes comme la loi de Cauchy (qui ne possède ni espérance ni variance), l'inégalité est inapplicable.
Le plan de la leçon
- Mesurer l'improbable sans connaître la distribution
- Le détail qui compte
- Et dans la vraie vie
Je me teste
Une variable aléatoire X d'espérance 100 possède une variance de 25. Majorer la probabilité que X sorte de l'intervalle [80, 120].
- P(abs(X - 100) >= 20)
- P
- P
- P = 0
Soit une variable aléatoire positive Y dont l'espérance vaut 10. Quelle est la probabilité maximale que Y dépasse 50 ?
- 50%
- 10%
- 2%
- 20% (1/5)
Pourquoi la moyenne empirique de n variables indépendantes et identiquement distribuées converge-t-elle vers l'espérance selon Tchebychev ?
- Parce que la variance de la moyenne empirique vaut sigma^2 / n, qui tend vers 0 quand n grandit
- Parce que les probabilités s'annulent après cent tirages
- Parce que le hasard s'arrête en grande dimension
- Parce que la moyenne devient obligatoirement un entier
Le mot d’Oscar — Skelet, quelle proportion maximale d'une population peut gagner plus de quatre fois le salaire moyen ?
Réponses : 1. A · 2. D · 3. A