Aller au contenu
Ludicademy
English
Thème Élan
ClairsSombres
S’inscrire
Après le bac

L'inégalité de Bienaymé-Tchebychev : borner le hasard sans loi exacte

Comprendre et exploiter les inégalités de Markov et de Bienaymé-Tchebychev pour quantifier la concentration d'une variable aléatoire autour de sa moyenne.

≈ 7 min de lecture · palier Après le bac · trois questions à la fin

Rédigé avec l’aide d’une IA, relu et corrigé par l’équipe Ludicademy · mis à jour le 21 septembre 2026 · Notre méthode

En bref
  • 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.

Mesurer l'improbable sans connaître la distribution

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. Mais dans la réalité de l'expérimentation scientifique, de la finance ou de l'analyse de données massives, la distribution exacte d'un phénomène est très souvent inconnue, inaccessible ou monstrueusement complexe. Dispose-t-on alors d'un outil mathématique universel capable de borner la probabilité qu'une variable s'écarte de sa moyenne, en ne connaissant rien d'autre que son espérance et sa variance ? La réponse est positive, et s'incarne dans deux inégalités fondamentales de la théorie de la mesure : l'inégalité de Markov et son prolongement quadratique, l'inégalité de Bienaymé-Tchebychev.

Inégalité probabilisteHypothèses requisesFormule canonique et borne obtenue
Inégalité de MarkovVariable aléatoire X positive, constante a > 0P(X >= a) est inférieur ou égal à E(X) / a : borne d'ordre un sur la queue de loi.
Bienaymé-TchebychevVariable X admettant une variance V(X), e > 0P(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 sigmaP(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 finieP(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 symétrieP(abs(X - E(X)) >= 3*sigma) est inférieur ou égal à 1/9 = 11,1% de dispersion.
Loi des grands nombresMoyenne empirique Sn/n de n variables i.i.d.P(abs(Sn/n - mu) >= e) tend vers 0 lorsque n grandit vers l'infini.
La mécanique de démonstration de ces inégalités repose sur une élégance théorique remarquable. Pour établir l'inégalité de Markov, on considère une variable aléatoire positive X et un réel strictement positif a. En utilisant la variable indicatrice de l'événement où X dépasse le seuil a, on remarque que la quantité a multipliée par l'indicatrice de {X >= a} est toujours inférieure ou égale à la variable X elle-même (puisqu'elle vaut a si X est supérieur ou égal à a et zéro sinon). Par stricte croissance et linéarité de l'opérateur d'espérance, on obtient a * P(X >= a) inférieur ou égal à E(X), ce qui donne immédiatement la formule de Markov. Pour démontrer l'inégalité de Bienaymé-Tchebychev, il suffit alors d'appliquer l'inégalité de Markov à la variable positive Y = (X - E(X))^2 avec le seuil a = epsilon au carré : P(abs(X - E(X)) >= epsilon) = P((X - E(X))^2 >= epsilon^2), qui est inférieur ou égal à E((X - E(X))^2) / epsilon^2 = V(X) / epsilon^2. Le tour est joué en deux lignes limpides.
OscarSkelet, quelle proportion maximale d'une population peut gagner plus de quatre fois le salaire moyen ?
SkeletTout dépend de la répartition fiscale des ménages, monsieur !
OscarNon, appliquez l'inégalité de Markov avec a = 4 * E(X).
SkeletP(X >= 4*moyenne) est inférieur ou égal à moyenne / (4*moyenne) = 1/4... Vingt-cinq pour cent !
OscarExact. Sans connaître la loi des revenus, vous venez de borner le sommet de la distribution.
SkeletLa statistique permet donc d'encadrer la richesse sans ouvrir un seul dossier bancaire ?
OscarC'est toute la puissance d'une inégalité universelle de concentration.

Le détail qui compte

Pourquoi l'inégalité de Bienaymé-Tchebychev est-elle qualifiée d'inégalité « robuste mais conservatrice » ? Parce qu'elle est universellement vraie pour TOUTES les lois de probabilité concevables sans exception, ce qui a pour contrepartie de fournir des bornes parfois très larges comparées aux distributions régulières ! Par exemple, pour une variable aléatoire suivant une loi normale gaussienne, la probabilité de s'écarter de plus de trois écarts-types de la moyenne est en réalité inférieure à 0,3 % (la fameuse règle des trois sigmas), alors que Bienaymé-Tchebychev garantit seulement une probabilité inférieure à 11,1 % (1/9). L'intérêt fondamental de Tchebychev ne réside pas dans la précision numérique d'un cas particulier, mais dans sa capacité à prouver des théorèmes généraux, notamment la loi faible des grands nombres : en divisant la variance globale par la taille n de l'échantillon, la borne tend vers zéro lorsque n tend vers l'infini, démontrant que la moyenne empirique converge mathématiquement vers l'espérance théorique.

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.

Et dans la vraie vie

Les inégalités de concentration gouvernent l'ingénierie financière, le dimensionnement des réseaux de télécommunication et le contrôle qualité industriel. Lorsqu'un fabricant de puces électroniques produit des millions de composants par jour, il utilise Bienaymé-Tchebychev pour garantir contractuellement à ses clients un taux maximal de défaillance hors tolérance, sans avoir besoin de postuler arbitrairement que les erreurs de gravure suivent une loi normale. En informatique théorique, ces inégalités constituent le socle de l'analyse des algorithmes probabilistes et de la théorie de l'apprentissage automatique (bornes PAC), où l'on quantifie le nombre minimal de données nécessaires pour garantir qu'un modèle prédictif ne s'éloigne pas de la vérité avec un niveau de confiance garanti.

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.

Exercices express

Exercice

Une variable aléatoire X d'espérance 100 possède une variance de 25. Majorer la probabilité que X sorte de l'intervalle [80, 120].

On applique Bienaymé-Tchebychev avec E(X)=100, V(X)=25 et epsilon=20 : P(abs(X - 100) >= 20) est inférieur ou égal à V(X) / epsilon^2 = 25 / 400 = 1/16.

Exercice

Soit une variable aléatoire positive Y dont l'espérance vaut 10. Quelle est la probabilité maximale que Y dépasse 50 ?

Par l'inégalité de Markov, pour Y >= 0 et a = 50, P(Y >= 50) est inférieur ou égal à E(Y) / 50 = 10 / 50 = 1/5 = 0,20 (soit 20%).

Exercice

Pourquoi la moyenne empirique de n variables indépendantes et identiquement distribuées converge-t-elle vers l'espérance selon Tchebychev ?

La variance de la somme divisée par n est V(Sn/n) = V(X)/n. En injectant dans Bienaymé-Tchebychev, la borne V(X)/(n*e^2) tend vers 0 quand n tend vers l'infini.

Expressions à emporter

Expression Traduction
l'inégalité de Markovborne universelle sur la probabilité de dépassement d'une variable positive
l'inégalité de Bienaymé-Tchebychevthéorème de concentration quantifiant la dispersion autour de la moyenne
la variance empiriqueparamètre mesurant la dispersion quadratique moyenne des valeurs autour du centre
la loi faible des grands nombresthéorème fondamental prouvant la convergence de la moyenne des tirages vers l'espérance
la variable indicatricefonction binaire valant un si l'événement se réalise et zéro sinon
la queue de distributionrégion asymptotique des valeurs extrêmes très éloignées de l'espérance

Maintenant, jouez-la

Trois questions pour voir

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

6 exercices corrigés de maths en Après le bac → 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

Pour réviser : 📝 La fiche de révision

Toutes les leçons Après le bac