Loi de l'arcsinus et pièce déséquilibrée

Réponses

  • Bonjour

    Excellente question ! (enfin pour la première des deux, parce que je ne suis pas sûr de bien comprendre la deuxième)

    En fait, si tu as $n=1000$ lancers indépendants avec la même pièce $p$, toute l'information dont tu disposes au sujet de $p$ est contenue dans le nombre total de Pile $X\sim B(n,p)$.

    Conditionnellement à l'événement $[X=k]$, l'ordre d'arrivée des piles et des faces est simplement un tirage sans remise des $n$ lancers avec $k$ succès. (processus hypergéométrique)

    Cette loi des $k$ rangs d'apparition parmi les $n$ lancers ne dépend pas de $p$.

    C'est ce qu'on appelle une statistique $X$ suffisante ou exhaustive : https://fr.wikipedia.org/wiki/Statistique_exhaustive

    Donc si ça monte beaucoup, puis que ça redescend près de 500 piles, 500 faces, ça t'apprend la même chose que si ça avait fait la même chose dans l'autre sens, ou bien si ça avait flucté très près des $50\%/50\%/$ : la trajectoire n'importe pas une fois qu'on connaît la destination.
  • Rappel : On peut toujours conjecturer que la pièce est déséquilibrée. C'est d'ailleurs le cas pour une vraie pièce, dont les deux faces sont différentes en épaisseur. Mais sur des essais de lancers, il est difficile de trouver des indices de ce déséquilibre.
    Comme toujours dans l'aléatoire, on n'a pas de moyen de prouver (10000 piles de suite ne prouvent pas un déséquilibre, c'est très peu probable avec une "pièce équilibrée) ce déséquilibre. Mais on peut comparer la probabilité que ce soit le cas à celle que ce ne le soit pas.

    Cordialement.
  • Je vous remercie pour vos réponses.
  • La trajectoire en elle-même n'a aucune pertinence pour l'estimation de $p$. (sauf sa destination)

    La seule chose utile est le score au bout de l'expérience.

    Si tu fais d'abord 1000 lancers, puis 1000 nouveaux, en tout, tu as fait 2000 lancers.

    Ce n'est pas pertinent de séparer les 1000 premiers des 1000 suivants. Il faut regarder le pourcentage de succès sur les 2000.

    Si tu trouves une fréquence empirique de 60%, comme l'écart-type sous $H_0$ est $\frac{1}{n} \times \sqrt{npq} = \sqrt{\frac{1}{8000}} \approx 1,1\%$, donc on est à 9 écarts-types des 50% attendus, eh bien là tu rejettes carrément l'hypothèse $p=\frac{1}{2}$.
  • À partir de 1,96 écarts-type de déviation pour un intervalle de confiance à 95%.
    À partir de 2,57 écarts-type de déviation pour un intervalle de confiance à 99%.
Connectez-vous ou Inscrivez-vous pour répondre.