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 6 novembre 2026 · Notre méthode
- Un échantillon de taille $n$ : $n$ variables indépendantes de même loi.
- $E(S_n)=n\mu$ et $V(S_n)=nV$.
- $M_n=\frac{S_n}{n}$, avec $E(M_n)=\mu$ et $V(M_n)=\frac{V}{n}$.
Un sondeur interroge n personnes, un joueur lance n fois un dé : dans les deux cas, on additionne des résultats qui se ressemblent et ne s'influencent pas. Cette leçon donne les formules qui situent la somme et la moyenne, et disent à quelle vitesse la moyenne se stabilise. Elles reviennent à chaque contrôle sur la loi binomiale et la concentration.
Échantillon et somme
Un échantillon de taille n d'une loi est une liste (X1, …, Xn) de variables aléatoires indépendantes qui suivent toutes cette loi. Elles ont donc la même espérance μ et la même variance V (écart type σ=√V). On note Sn = X1 + … + Xn leur somme.
Par linéarité de l'espérance, E(Sn)=E(X1)+…+E(Xn)=nμ. Par indépendance, les variances s'additionnent : V(Sn)=nV. L'écart type de la somme est donc σ√n et non nσ : les écarts se compensent en partie.On lance 10 fois un dé équilibré. Une face a pour espérance μ=3{,}5 et pour variance V=3512. Donc E(S10)=35 et V(S10)=35012=1756≈ 29{,}2.

La moyenne empirique Mn
La moyenne empirique est Mn=Snn. On divise par n : l'espérance est divisée par n, la variance par n2.
E(Mn)=nμn=μ : en moyenne, la moyenne empirique tombe juste. V(Mn)=nVn2=Vn : plus l'échantillon est grand, moins la moyenne fluctue. L'écart type vaut σ√n.
| Grandeur | Somme Sn | Moyenne Mn |
|---|---|---|
| Espérance | nμ | μ |
| Variance | nV | Vn |
| Écart type | σ√n | σ√n |

Simuler N échantillons en Python
Pour observer ces formules, on simule N échantillons de taille n et on calcule la moyenne de chacun. Exemple pour un dé : on tire n entiers avec random.randint(1,6), on les additionne, on divise par n, et on répète N fois en rangeant les résultats dans une liste. Au total le programme tire N× n nombres.
Les N moyennes se regroupent autour de μ (ici 3{,}5) et leur dispersion diminue quand n grandit. Augmenter N rend seulement l'histogramme plus régulier : seule la taille n de chaque échantillon réduit la dispersion.Avec N=1000 échantillons de taille n=50, la moyenne des 1000 moyennes est proche de 3{,}5, avec un écart type proche de √3512× 50≈ 0{,}24.
Méthode : calculer sur un échantillon
1. Repère μ, V et n (ou σ). 2. Écris la formule demandée. 3. Remplace, puis donne l'écart type en prenant la racine de la variance.Échantillon de taille 50 avec μ=4 et σ=3 (donc V=9). Somme : E(S50)=200, V(S50)=450, écart type √450=15√2≈ 21{,}2. Moyenne : E(M50)=4, V(M50)=950=0{,}18, écart type 3√50≈ 0{,}42.
- Un échantillon de taille n : n variables indépendantes de même loi.
- E(Sn)=nμ et V(Sn)=nV.
- Mn=Snn, avec E(Mn)=μ et V(Mn)=Vn.
- L'écart type de Mn est σ√n : on le divise par k en multipliant n par k2.
- Les variances s'ajoutent grâce à l'indépendance, pas les écarts types.
- En simulation, c'est la taille n qui réduit la dispersion, pas le nombre N d'échantillons.
Exercices
Un échantillon de taille 40 d'une loi d'espérance 2{,}5. Que vaut E(S40) ?
On a E(Sn)=nμ=40× 2{,}5=100 : les espérances s'additionnent.
Les Xi ont pour variance 6 et n=20. Que vaut V(S20) ?
Les variables sont indépendantes, donc V(Sn)=nV=20× 6=120.
Avec V=12 et n=48, que vaut V(Mn) ?
On a V(Mn)=Vn=1248=0{,}25 : on divise par n.
Avec σ=5 et n=100, quel est l'écart type de Mn ?
On a σ√n=510=0{,}5. Le résultat 0{,}25 est la variance 25100 : il manque la racine.
Par quel facteur multiplier n pour diviser par 3 l'écart type de Mn ?
L'écart type est proportionnel à 1√n : diviser par 3 demande √n multiplié par 3, donc n par 9.
Les Xi suivent une loi de Bernoulli de paramètre 0{,}3, avec n=50. Que vaut V(Mn) ?
La variance de Bernoulli est 0{,}3× 0{,}7=0{,}21, puis V(Mn)=0{,21}{50}=0{,}0042. Le résultat 0{,}006 oublie le facteur 0{,}7.




