Concentration et loi des grands nombres
🟢 FacileLes énoncés sont gratuits, et les 2 premiers corrigés sont offerts. Les autres corrigés détaillés sont réservés aux abonnés.
Débloquer ce chapitre – 2,99 €
- 1
On lance un dé équilibré un très grand nombre de fois et on note la fréquence d'apparition d'un numéro pair. Vers quelle valeur cette fréquence se stabilise-t-elle ? Nomme le théorème qui justifie ce phénomène.
Voir le corrigéoffert
Étape 1. Probabilité d'obtenir un nombre pair sur un dé équilibré : les faces paires sont 2, 4, 6, soit 3 faces sur 6, donc .
Étape 2. Théorème : c'est la loi des grands nombres. Elle affirme que la fréquence observée d'un événement se rapproche de sa probabilité quand le nombre d'expériences devient très grand.
Résultat : la fréquence se stabilise autour de 0,5 (loi des grands nombres). - 2
Une variable X a pour espérance et pour écart-type . On prélève un échantillon de taille , de moyenne M9. Donne E(M9) et σ(M9).
Voir le corrigéoffert
Étape 1. Espérance : la moyenne conserve l'espérance de X, donc .
Étape 2. Écart-type : , donc .
Contrôle : car .
Résultat : et .8 corrigés détaillés pas à pas restent à débloquer
Chacun reprend l'énoncé, montre le calcul étape par étape et dit où se trouve le piège.
Le pack de révision, gratuit
L'essentiel des dix premiers chapitres du programme, en PDF : ce qu'il faut retenir et les questions qui vérifient que c'est acquis. Puis 5 e-mails sur 14 jours, et c'est tout.
- 3
Une variable X a pour espérance μ = 50 et pour écart-type σ = 5. Majore P(|X − 50| ≥ 10) avec l'inégalité de Bienaymé-Tchebychev.
🔒 Corrigé détailléVoir ce qu'il contient → - 4
Un échantillon de taille n = 100 est associé à une variable X de variance V = 4. On note M100 sa moyenne. Majore P(|M100 − μ| ≥ 1) grâce à l'inégalité de concentration.
🔒 Corrigé détailléVoir ce qu'il contient → - 5
X est une variable aléatoire d'espérance μ = 20 et de variance V = 9. À l'aide de l'inégalité de Bienaymé-Tchebychev, majore P(|X − 20| ≥ 6).
🔒 Corrigé détailléVoir ce qu'il contient → - 6
X suit une loi de Bernoulli de paramètre . On considère un échantillon de taille et sa moyenne M25. Calcule V(M25) et σ(M25).
🔒 Corrigé détailléVoir ce qu'il contient → - 7
Une variable X a pour variance . On forme un échantillon de taille et on note M200 sa moyenne. Calcule V(M200) puis l'écart-type σ(M200).
🔒 Corrigé détailléVoir ce qu'il contient → - 8
X est une variable aléatoire d'espérance μ = 100 et de variance V = 16. À l'aide de l'inégalité de Bienaymé-Tchebychev, minore P(|X − 100| < 8).
🔒 Corrigé détailléVoir ce qu'il contient → - 9
Un échantillon de taille n = 400 est associé à une variable X de variance V = 9. On note M400 sa moyenne. Majore P(|M400 − μ| ≥ 1,5) avec l'inégalité de concentration.
🔒 Corrigé détailléVoir ce qu'il contient → - 10
Une variable aléatoire X suit une loi de Bernoulli de paramètre . On considère un échantillon (X1, X2, …, X50) de taille et sa moyenne M50. Calcule E(M50) et V(M50).
🔒 Corrigé détailléVoir ce qu'il contient →
Comment ça s'est passé ?
Retrouve tout dans Mon suivi.
Le pack de révision, gratuit
L'essentiel des dix premiers chapitres du programme, en PDF : ce qu'il faut retenir et les questions qui vérifient que c'est acquis. Puis 5 e-mails sur 14 jours, et c'est tout.
Partager avec ma classe
Les énoncés de cette page sont gratuits et s'ouvrent sans compte : l'adresse peut être donnée telle quelle, au tableau ou dans l'espace numérique de travail.
