Mathematiques - Concentration et dispersion

Mathematiques : Concentration, loi des grands nombres et écart-type comme mesure de dispersion

Introduction

Ce cours présente la notion de concentration d'une variable aléatoire autour de sa moyenne, la loi des grands nombres, et la mesure de dispersion que constitue l'écart-type.

1. La concentration autour de la moyenne

Une variable aléatoire \(X\) est dite concentrée si ses valeurs sont proches de sa moyenne \(\mu\). Plus l'écart-type \(\sigma\) est petit, plus la variable est concentrée autour de \(\mu\).

2. Loi des grands nombres

Elle affirme que, pour une suite de variables indépendantes identiquement distribuées \(X_1, X_2, ..., X_n\) de même loi, la moyenne empirique \(\overline{X}_n\) tend vers la moyenne théorique \(\mu\) lorsque \(n\) tend vers l'infini.

Formellement, \(\displaystyle \overline{X}_n = rac{1}{n} \sum_{i=1}^n X_i\) converge en probabilité vers \(\mu\).

3. L'écart-type : mesure de dispersion

L'écart-type \(\sigma\) d'une population est défini par :

\( \sigma = \sqrt{ \mathbb{E}[(X - \mu)^2] } \)

Dans un échantillon de taille \(n\), l'écart-type empirique s'écrit :

\( s = \sqrt{rac{1}{n-1} \sum_{i=1}^n (X_i - \overline{X})^2} \)

Il mesure la dispersion des données par rapport à la moyenne \(\overline{X}\).

Conclusion

L'écart-type est essentiel pour évaluer la concentration des données et comprendre la stabilité moyenne d'une variable. La loi des grands nombres montre que, avec une taille d'échantillon croissante, la moyenne empirique se rapproche de la moyenne vraie, renforçant la notion de concentration.