Aller au contenu
Ludicademy
English
Thème Élan
ClairsSombres
S’inscrire
Tle · Probabilités

La concentration et la loi des grands nombres : pourquoi la moyenne se stabilise

Majorer la probabilité d'un écart à la moyenne par les inégalités de concentration, et énoncer la loi des grands nombres.

≈ 7 min de lecture · palier Tle · trois questions à la fin

Aligné sur le programme officiel de Terminale · rédigé avec l’aide d’une IA, relu et corrigé par l’équipe Ludicademy · mis à jour le 9 septembre 2026 · Notre méthode

En bref
  • Bienaymé-Tchebychev majore l'écart d'UNE variable : V(X) divisé par delta AU CARRÉ.
  • L'inégalité de concentration majore l'écart de la MOYENNE de n variables : V(X) divisé par n fois delta².
  • n est au dénominateur : quadrupler l'effectif divise la majoration par quatre.

Mettre un Chiffre sur une Intuition

À la fin de cette leçon, vous saurez majorer la probabilité qu'une variable aléatoire s'écarte de sa moyenne, et démontrer proprement ce que tout le monde pressent : plus on répète une expérience, plus la moyenne observée se rapproche de la moyenne théorique. L'intuition est ancienne et vague ; le programme de terminale la rend CALCULABLE, grâce à deux inégalités. Le point de départ est que la variance mesure la dispersion : une variance faible signifie que les valeurs se serrent autour de l'espérance. Les inégalités qui suivent transforment cette phrase en majoration chiffrée — elles ne disent pas ce qui va se passer, elles disent ce qui ne peut pas se passer trop souvent.

Les Deux Inégalités

L'outilCe qu'il majoreLa formuleL'exemple chiffré
Bienaymé-TchebychevL'écart d'UNE variable à son espéranceP(écart supérieur ou égal à delta) inférieur ou égal à V(X) divisé par delta²E = 20, V = 4, delta = 5 : 4 sur 25 = 0,16
Inégalité de concentrationL'écart de la MOYENNE de n variablesV(X) divisé par (n fois delta²)V = 4, delta = 0,5, n = 1 000 : 0,016
L'effet de nIl DIVISE la majorationn au dénominateurmultiplier n par 4 divise la borne par 4
Loi des grands nombresLa limite quand n tend vers l'infinila majoration tend vers 0la moyenne se concentre sur l'espérance
La nature du résultatUn MAJORANT, jamais une valeursouvent très pessimiste0,16 ne veut pas dire 16 pour cent
Le calcul complet, avec les deux inégalités. Soit X une variable aléatoire d'espérance E(X) = 20 et de variance V(X) = 4. Première question : quelle est la probabilité que X s'écarte de 20 d'au moins 5 unités ? Bienaymé-Tchebychev majore cette probabilité par V(X) divisé par delta au carré, soit 4 divisé par 25, c'est-à-dire 0,16. On conclut : il y a AU PLUS 16 chances sur 100 que X s'éloigne de 5 ou plus de son espérance. Deuxième question : on répète l'expérience 1 000 fois de façon indépendante et l'on regarde la moyenne des résultats. Quelle est la probabilité que cette moyenne s'écarte de 20 d'au moins 0,5 ? L'inégalité de concentration majore par V(X) divisé par n fois delta au carré, soit 4 divisé par (1 000 fois 0,25), c'est-à-dire 4 divisé par 250, soit 0,016. Au plus 1,6 chance sur 100. Le même écart, mille fois moins probable pour la moyenne que pour une observation isolée : c'est tout l'effet de la répétition, et il se chiffre.
Exercice

X a pour espérance 20 et pour variance 4. Que majore l'inégalité de Bienaymé-Tchebychev pour un écart d'au moins 5 ?

L'écart intervient AU CARRÉ au dénominateur : 4 divisé par 25 égale 0,16. Diviser par 5 au lieu de 25 donnerait 0,8, une majoration cinq fois trop grande et pratiquement sans intérêt.

Ce que la Loi des Grands Nombres Dit, et Ne Dit Pas

Regardez la formule de concentration : la majoration vaut V(X) divisé par n fois delta au carré. Fixons delta, aussi petit que l'on veut, et faisons croître n. Le dénominateur grandit sans limite, donc la majoration tend vers 0. Voilà la LOI DES GRANDS NOMBRES, démontrée en une ligne : quelle que soit la précision exigée, la probabilité que la moyenne de n observations s'en écarte finit par devenir aussi petite qu'on le souhaite. C'est le fondement de tout ce qui repose sur la répétition — l'assurance, le contrôle qualité, le sondage, la simulation.Attention à ce qu'elle NE dit PAS. Elle ne promet pas qu'une pièce ayant donné dix faces de suite va compenser par des piles : les lancers sont indépendants, et le passé n'influence rien. Ce qui se produit est plus subtil — les dix faces ne sont pas effacées, elles sont DILUÉES. Sur 10 lancers, dix faces donnent une fréquence de 1. Sur 10 000 lancers dont les dix premiers sont des faces, les 9 990 suivants pèsent tellement plus lourd que la fréquence globale revient près de 0,5 sans qu'aucune compensation n'ait eu lieu. La loi des grands nombres agit par le poids du nombre, jamais par un rattrapage.

Trois malentendus, dont deux se voient dans les copies et le troisième dans la vie courante. Le CARRÉ oublié au dénominateur : c'est delta au carré, pas delta. La majoration PRISE POUR UNE VALEUR : Bienaymé-Tchebychev donne une borne supérieure, souvent très large — une majoration à 0,16 est compatible avec une probabilité réelle de 0,001, et une majoration supérieure à 1 ne signifie rien du tout, sinon que l'inégalité n'apprend rien dans ce cas-là. Enfin, la fameuse LOI DES SÉRIES et l'idée qu'un déficit doit se rattraper : c'est le contraire de l'indépendance. La moyenne se stabilise parce que les écarts anciens pèsent de moins en moins, pas parce que le hasard tient les comptes.
Exercice

Une pièce équilibrée a donné dix faces de suite. Que dit la loi des grands nombres pour la suite ?

Les lancers sont indépendants : la probabilité reste 0,5 à chaque coup, quoi qu'il se soit passé avant. La fréquence globale se rapproche de 0,5 parce que les lancers suivants sont de plus en plus nombreux et font baisser le poids relatif des dix premiers. Aucune compensation n'intervient.

Mise en situation : Le Contrôle Qualité de la Crypte

OscarDossier de concentration : la loi des grands nombres. Skelet, la masse des pièces a pour espérance 20 grammes et pour variance 4. Quelle est la probabilité qu'une pièce s'écarte de 5 grammes ou plus ?
SkeletBienaymé-Tchebychev : la variance divisée par l'écart AU CARRÉ, soit 4 sur 25, égale 0,16. Au plus seize pour cent.
OscarDonc seize pour cent des pièces sont hors tolérance.
SkeletNon. Au PLUS seize pour cent. C'est un majorant, pas une mesure. La proportion réelle peut être de un pour cent : l'inégalité garantit un plafond, elle ne décrit pas le tas.
OscarEt la moyenne d'un lot de mille pièces ?
SkeletInégalité de concentration : 4 divisé par mille fois 0,25, soit 0,016. Au plus 1,6 pour cent de chances que la moyenne du lot s'écarte d'un demi-gramme. Le lot est mille fois plus fiable que la pièce isolée.
OscarLe stagiaire avait divisé par 5 au lieu de 25.
SkeletIl obtenait 0,8, un plafond de quatre-vingts pour cent — vrai, et parfaitement inutile. Une majoration trop lâche n'interdit rien. Le carré est ce qui rend l'inégalité utile.
OscarEt sa remarque sur la machine, qui a sorti dix pièces trop lourdes et va donc en sortir dix trop légères ?
SkeletAucune compensation. Si les tirages sont indépendants, les dix pièces lourdes ne seront pas effacées, elles seront diluées par les milliers de suivantes. La moyenne se stabilise par le poids du nombre, pas par un rattrapage.
OscarLot certifié, plafond distingué de la mesure, série démentie. Tampon — concentré autour de son espérance.

À retenir
  • Bienaymé-Tchebychev majore l'écart d'UNE variable : V(X) divisé par delta AU CARRÉ.
  • L'inégalité de concentration majore l'écart de la MOYENNE de n variables : V(X) divisé par n fois delta².
  • n est au dénominateur : quadrupler l'effectif divise la majoration par quatre.
  • Loi des grands nombres : quand n tend vers l'infini, la majoration tend vers 0.
  • Ce sont des MAJORANTS, souvent très larges : une borne de 0,16 n'est pas une probabilité de 0,16.
  • Aucun rattrapage : les écarts anciens sont dilués par le nombre, jamais compensés.

Ce que tu as retenu ?

Dix questions sur ce chapitre, une note sur 20 et ta copie corrigée. Sans compte.

Me tester : 10 questions →

Leçon suivante : L'espérance et la variance d'une somme →

Ce chapitre en entier : Inégalité de concentration et loi des grands nombres

Jouer cette leçon pour la retenir

Expressions à emporter

Expression Traduction
l'inégalité de Bienaymé-Tchebychevla majoration de l'écart d'une variable à son espérance
l'inégalité de concentrationla même chose pour la moyenne de n variables
un majorantun plafond, pas une valeur
la loi des grands nombresla moyenne se concentre sur l'espérance quand n grandit
diluerce que le nombre fait aux écarts anciens, au lieu de les compenser

Maintenant, jouez-la

Trois questions pour voir

La règle est lue. Voyons si elle est entrée : trois questions, ici même, sans compte.

52 exercices corrigés de maths en Tle → sans compte, corrigés à chaque réponse

La règle est lue ; il reste à la faire entrer. Trois minutes suffisent.

Jouer « le pont de cordes » → Quiz Express · sans compte

Ou choisissez votre salle :

Et côté jeux de société : 🎪 Yams → les règles d'yams

Sur papier : 🖨️ La fiche de cette leçon et la fiche du thème, avec défi et corrigé

Pour réviser : 📝 La fiche de révision et celle du chapitre « probabilités » (9 leçons)

Toutes les leçons Tle