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 = 0,5etP(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 :
| Expérimentateur | Année | Nombre de lancers (n) | Nombre de Pile | Fréquence observée |
|---|---|---|---|---|
| Comte de Buffon | 1777 | 4 040 | 2 048 | 50,69% |
| Karl Pearson | 1900 | 24 000 | 12 012 | 50,05% |
| John E. Kerrich | 1940 | 10 000 | 5 067 | 50,67% |
| pile-ou-face.online (Monte Carlo) | 2026 | 10 000 | ~5 000 | 50,00% ± 0,3% |
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.
- An Experimental Introduction to the Theory of Probability
- Essai d'arithmétique morale
- The Grammar of Science
Foire Aux Questions
Tout comprendre sur le fonctionnement, les statistiques et les règles du pile ou face
Quelle est la probabilité exacte d'obtenir pile ou face ?
Sur le plan mathématique pur, la pièce possède deux états mutuellement exclusifs et équiprobables : Ω = {Pile, Face}. La mesure de probabilité élémentaire est de P(Pile) = P(Face) = 1/2 = 0,5000 (50,00%).
Comment construire un arbre de probabilités pour 3 lancers ?
À chaque niveau de l'arbre, deux branches d'égale probabilité (0,5) se séparent. Au premier tirage : 2 branches. Au second : 4 branches (PP, PF, FP, FF). Au troisième : 8 branches terminales. Pour calculer la probabilité d'un chemin, on multiplie les probabilités des branches successives (0,5 × 0,5 × 0,5 = 0,125).
Pourquoi les expériences de Pearson et Kerrich sont-elles célèbres ?
Durant la Seconde Guerre mondiale, le mathématicien sud-africain John Kerrich, interné au Danemark, a lancé une pièce 10 000 fois pour tromper l'ennui et vérifier empiriquement les théorèmes de Bernoulli. Il a obtenu 5 067 Pile (50,67%), offrant l'une des validations historiques les plus rigoureuses de la convergence stochastique.
Quelle est la formule binomiale générale pour k Pile parmi n lancers ?
La formule générale s'écrit P(X = k) = C(n, k) × pᵏ × (1-p)ⁿ⁻ᵏ. Comme p = 0,5 pour une pièce équitable, cela se simplifie en P(X = k) = C(n, k) / 2ⁿ.