Aller au contenu

Leçon 7

Loi binomiale et marche aléatoire en Python

Vidéo 7 : Loi binomiale et marche aléatoire en Python · 3 min 41 s · sous-titres en français

Le cours écrit

7.1 Calculer la vraie probabilité

Soit SnS_n une variable de loi B(n,p)\mathcal{B}(n, p) : E(Sn)=pnE(S_n) = pn et V(Sn)=np(1−p)V(S_n) = np(1 - p). L'inégalité de Bienaymé-Tchebychev, avec δ=n\delta = \sqrt{n}, donne P(∣Sn−pn∣⩾n)⩽np(1−p)n=p(1−p).P\big(\lvert S_n - pn \rvert \geqslant \sqrt{n}\big) \leqslant \frac{np(1 - p)}{n} = p(1 - p). Un écart strictement supérieur à n\sqrt{n} est aussi un écart supérieur ou égal, donc P(∣Sn−pn∣>n)⩽p(1−p)P\big(\lvert S_n - pn \rvert > \sqrt{n}\big) \leqslant p(1 - p). La borne ne dépend pas de nn.

La fonction suivante calcule la vraie probabilité, en additionnant les P(Sn=k)P(S_n = k) pour les kk concernés.

from math import comb, sqrt

def proba_ecart(n, p):
    total = 0
    for k in range(n + 1):
        if abs(k - p * n) > sqrt(n):
            total = total + comb(n, k) * p**k * (1 - p)**(n - k)
    return total
nn 2525 100100 400400 1 0001\,000 Borne
p=0,5p = 0{,}5 0,04330{,}0433 0,03520{,}0352 0,04020{,}0402 0,04630{,}0463 0,250{,}25
p=0,1p = 0{,}1 0,00230{,}0023 0,00080{,}0008 0,00070{,}0007 0,00090{,}0009 0,090{,}09

7.2 Une marche aléatoire

Un pion part de 00 sur une droite graduée. À chaque étape, il avance ou recule d'une case, avec la probabilité 12\dfrac12. On note XiX_i son déplacement à l'étape ii : Xi=1X_i = 1 ou Xi=−1X_i = -1. Alors E(Xi)=0E(X_i) = 0 et V(Xi)=1V(X_i) = 1.

La position après nn étapes est Sn=X1+⋯+XnS_n = X_1 + \cdots + X_n. Les étapes étant indépendantes : E(Sn)=0,V(Sn)=n,σ(Sn)=n.E(S_n) = 0, \qquad V(S_n) = n, \qquad \sigma(S_n) = \sqrt{n}.

from random import random

def marche(n):
    x = 0
    positions = [0]
    for i in range(n):
        if random() < 0.5:
            x = x + 1
        else:
            x = x - 1
        positions.append(x)
    return positions

L'inégalité de Bienaymé-Tchebychev donne, pour chaque nn : P(∣Sn∣⩾2n)⩽14P\big(\lvert S_n \rvert \geqslant 2\sqrt{n}\big) \leqslant \dfrac14.

7.3 La somme et la moyenne

La loi des grands nombres dit que Mn=SnnM_n = \dfrac{S_n}{n} se rapproche de 00 : le déplacement moyen par étape devient négligeable. Pourtant, la position SnS_n ne reste pas proche de 00 : son écart type n\sqrt{n} grandit. La moyenne se concentre, la somme s'étale.

Pour n=400n = 400 : P(∣S400∣⩾40)≈0,051P\big(\lvert S_{400} \rvert \geqslant 40\big) \approx 0{,}051. Sur une simulation de 1 0001\,000 marches, on a observé une proportion de 0,0590{,}059. La borne vaut 0,250{,}25.

Lire le cours complet du chapitre

Exercices 13 et 14

  • Exercice 13 : la borne et la vraie valeur
  • Exercice 14 : une marche aléatoire

Exercices du chapitre (PDF, 135 Ko)

Corrigés

Cherche d'abord les exercices sur ta feuille, puis compare avec le corrigé détaillé.

Corrigés du chapitre (PDF, 136 Ko)

Tu es hors connexion. Les chapitres téléchargés restent disponibles dans Hors connexion.