Espérance, variance et écart-type
L'espérance E(X), c'est la "moyenne théorique" de ta variable aléatoire. La variance V(X) mesure à quel point tes résultats sont dispersés autour de cette moyenne. L'écart-type σ(X) = √V(X) te donne cette dispersion dans la même unité que tes données.
Le théorème de König-Huygens est ton meilleur ami : V(X) = E(X²) - E(X)². Pour la loi binomiale spécifiquement : E(X) = np et V(X) = np1−p.
Quand tu additionnes des variables, retiens que EX+Y = E(X) + E(Y) toujours, mais VX+Y = V(X) + V(Y) seulement si X et Y sont indépendantes.
Loi des grands nombres
Ces inégalités de concentration te montrent que plus tu fais d'expériences, plus tu te rapproches de la valeur théorique. L'inégalité de Bienaymé-Tchebychev est particulièrement utile : P∣X−E(X)∣>a ≤ V(X)/a².
La loi des grands nombres te garantit que la moyenne de tes n expériences converge vers l'espérance quand n devient très grand. C'est pourquoi les casinos gagnent toujours sur le long terme !
💡 À retenir : Plus tu fais d'expériences, plus tes résultats se rapprochent de la théorie. C'est mathématiquement prouvé !