La loi des grands nombres Quiz

P(X−\mu \geqslant \delta) \leqslant \delta2V, \delta un réel positif

P(\left|X−\mu\right| \geqslant \delta) \leqslant \delta2V, \delta un réel positif

P(\left|X−\mu \right| \leqslant \delta) \leqslant \delta2V, \delta un réel positif

P(X−\mu \geqslant \delta) \geqslant \delta2V, \delta un réel positif

Elle est assez optimale. 

Elle n'est pas universelle. 

Elle a un caractère universel.

Elle est plus précise que la simulation.

C'est l'autre nom de l'inégalité de Bienaymé-Tchebychev.

C'est l'inégalité qui généralise l'approximation de Bienaymé-Tchebychev dans le cas où l'on répète plusieurs fois la même épreuve. 

C'est l'inégalité qui généralise l'approximation de Bienaymé-Tchebychev dans le cas où l'on répète plusieurs fois différentes expériences. 

C'est l'inégalité qui permet d'avoir une valeur approximative de l'écart-type d'une loi. 

P(M_n−\mu \geqslant \delta) \leqslant \dfrac{V}{n\delta^2}, \delta un réel positif

P(\left|M_n−\mu\right| \geqslant \delta) \leqslant \dfrac{V}{n\delta}, \delta un réel positif

P(\left|M_n−\mu\right| \geqslant \delta) \leqslant \dfrac{V}{n\delta^2}, \delta un réel positif

P(\left| M_n−\mu\right| \leqslant \delta) \leqslant \dfrac{V}{n\delta^2}, \delta un réel positif

Lorsque la taille de l'échantillon devient très grande. 

Lorsque l'espérance de l'échantillon devient très grande. 

Lorsque l'écart-type de l'échantillon devient très grand. 

Lorsqu'on ne peut pas effectuer de simulation classique. 

\lim\limits_{n \to +\infty}P(\left| M_n-\mu \right|\leqslant\delta)=0

Que la limite de la suite M_n est proche de 0.

Que la suite M_n tend vers \delta quand n tend vers +\infty. 

\lim\limits_{n \to +\infty}P(\left| M_n-\mu \right|\geqslant\delta)=0