Laquelle des propositions suivantes ne définit pas une expérience aléatoire à deux issues ?

C'est une expérience dans laquelle deux résultats sont possibles.

C'est une expérience dans laquelle le résultat n'est pas prévisible.

C'est une expérience que l'on peut reproduire plusieurs fois.

C'est une expérience que l'on peut reproduire plusieurs fois (mais avec un nombre limité).

Une expérience aléatoire à deux issues est une expérience que l'on peut reproduire à l'infini.

À quoi le théorème de la loi des grands nombres sert-il ?

Il permet d'estimer une proportion en répétant une expérience plusieurs fois.

Il permet d'estimer une probabilité théorique en répétant une expérience plusieurs fois.

Il permet d'estimer le nombre de fois où l'expérience peut être répétée.

Il permet d'estimer une proportion pour des expériences à de multiples issues possibles.

Le théorème de la loi des grands nombres permet d'estimer une proportion en répétant une expérience plusieurs fois.

Comment demander à Python d'appliquer le théorème de la loi des grands nombres ?

Python ne peut pas résoudre un tel problème.

Il existe une fonction (gdsnb) qui permet d'appliquer facilement le théorème.

On utilise des boucles simples, comme la boucle « if ».

On peut lui demander d'une manière unique, avec un programme non modifiable.

Python peut appliquer le théorème de la loi des grands nombres en utilisant des boucles simples, comme la boucle « if ».

Comment vérifier que la fréquence observée f et la probabilité théorique p sont proches ?

On vérifie que |f − p| < \dfrac{1}{\sqrt{n}}.

On vérifie que |f − p| >\dfrac{1}{\sqrt{n}}.

On vérifie que f − p < \dfrac{1}{\sqrt{n}}.

On vérifie que p-f \lt \dfrac{1}{\sqrt{n}}.

Pour savoir si la fréquence observée f et la probabilité théorique p sont proches, on vérifie que |f - p| < \dfrac{1}{\sqrt{n}}.