Probabilité Pile ou Face et Loi des Grands Nombres

L'épreuve élémentaire de Bernoulli (p = 0,5)

Définition formelle de l'espace fondamental et équiprobabilité

En calcul des probabilités, une épreuve de Bernoulli désigne une expérience aléatoire ne comportant exactement que deux issues possibles, traditionnellement qualifiées de « succès » et « d'échec ». Le lancer d'une pièce de monnaie équitable en constitue l'archétype par excellence :

• L'espace fondamental des événements élémentaires est noté : Ω = {Pile, Face}.
• La probabilité de chaque issue est strictement symétrique : P(Pile) = p = 0,5 et P(Face) = 1 - p = 0,5.
• L'espérance mathématique d'un tirage (codé 1 pour Pile et 0 pour Face) est égale à : E(X) = 1 × 0,5 + 0 × 0,5 = 0,5.
• La variance statistique vaut : V(X) = p(1 - p) = 0,5 × 0,5 = 0,25.

Modélisation stochastique et lois discrètes

Toute succession de tirages indépendants engendre un processus stochastique à temps discret dont la distribution des sommes est régie par la loi binomiale.

La Loi des Grands Nombres démontrée empiriquement

Le théorème fondamental de Jacques Bernoulli (Ars Conjectandi)

Formulée pour la première fois avec rigueur par le mathématicien suisse Jacques Bernoulli dans son traité posthume Ars Conjectandi (1713), la loi faible des grands nombres stipule que la moyenne arithmétique d'un grand nombre d'épreuves indépendantes converge vers l'espérance théorique.

Si l'on note S_n le nombre total de Pile obtenus après n lancers, la proportion observée f_n = S_n / n tend vers 0,5 lorsque n augmente :

lim [n → ∞] P(|(S_n / n) - 0,5| ≥ ε) = 0

Convergence asymptotique et réduction de l'écart-type

Sur 10 lancers, il est très fréquent d'observer 7 Pile et 3 Face (70% contre 30%). Mais sur 10 000 lancers, la proportion se resserre presque toujours entre 49,0% et 51,0%. Vous pouvez vérifier directement cette loi empirique grâce à notre bouton de simulation Monte Carlo ci-dessus, qui réalise 10 000 tirages en temps réel dans votre navigateur.

Les grandes expériences historiques de lancer de pièces

Les données empiriques de Buffon, Pearson et Kerrich

Avant l'apparition des microprocesseurs et des générateurs cryptographiques, plusieurs savants illustres ont passé des journées entières à jeter physiquement des pièces de monnaie pour tester la théorie des probabilités :

Comparaison avec la simulation cryptographique moderne

Alors que les expérimentations physiques manuelles étaient tributaires de l'usure des pièces et de la fatigue du lanceur, l'entropie matérielle élimine tout biais mécanique.

L'arbre de probabilités et la règle de multiplication

Règles du produit et de la somme des branches

Pour analyser une succession de lancers (par exemple 3 lancers consécutifs), on modélise l'expérience à l'aide d'un arbre stochastique :

• Règle du produit : La probabilité de la séquence (Pile, Pile, Pile) s'obtient en multipliant les probabilités le long des branches : P(PPP) = 0,5 × 0,5 × 0,5 = 0,125 (12,5%).
• Règle de la somme : Si l'on s'intéresse à l'événement « obtenir au moins 2 Pile », on additionne les probabilités des branches disjointes favorables : (PPP, PPF, PFP, FPP), soit 4 × 0,125 = 0,50 (50%).

Formalisation combinatoire des tirages composés

Cette arborescence illustre l'indépendance mutuelle des épreuves : la probabilité de chaque nœud est invariante par rapport aux étapes antérieures.

L'Inégalité de Bienaymé-Tchebychev et l'Encadrement de l'Écart

La démonstration analytique de la convergence vers 50 %

Pour quantifier la vitesse à laquelle la fréquence observée se rapproche de l'espérance théorique de 0,5, le mathématicien français Irénée-Jules Bienaymé (1853) et le Russe Pafnouti Tchebychev (1867) ont établi une inégalité fondamentale encadrant la dispersion probabiliste :

P(|(S_n / n) - 0,5| ≥ ε) ≤ 1 / (4 · n · ε²)

Cette formule prouve mathématiquement que la probabilité d'observer un écart supérieur à un seuil ε (par exemple 1% d'erreur, ε = 0,01) tend inéluctablement vers 0 à mesure que le nombre de lancers n croît vers l'infini. Pour 100 000 lancers, la probabilité d'un écart durable supérieur à 1% est inférieure à 2,5%.

La Marche Aléatoire Symétrique et le Théorème de Pólya (1921)

Le paradoxe de la récurrence et la loi de l'arcsinus de Paul Lévy

Si l'on associe à chaque lancer de pièce un gain de +1 pour Pile et de -1 pour Face, la suite des résultats forme une marche aléatoire unidimensionnelle sur l'axe des entiers relatifs (Z). En 1921, le mathématicien George Pólya a démontré un théorème saisissant : sur une droite, une marche aléatoire symétrique est récurrente, ce qui signifie que la trajectoire a une probabilité rigoureusement égale à 1 de repasser une infinité de fois par l'origine zéro.

Toutefois, le mathématicien français Paul Lévy a mis en évidence en 1939 la loi de l'arcsinus : bien que la pièce revienne toujours à l'équilibre, le temps passé en tête par un côté (par exemple Pile avec un score positif) a tendance à être soit presque nul, soit presque total. Ce paradoxe contre-intuitif explique pourquoi, au cours d'une longue partie de jeu, l'un des joueurs a souvent l'impression trompeuse de « mener le jeu » pendant la majeure partie du temps.