## [Loi des Grands Nombres](/fr/node/59693) Définition Un ensemble de résultats affirmant que les moyennes d'échantillon (ou moyennes empiriques) convergent vers l'espérance de la population lorsque la taille d'échantillon augmente : en probabilité (loi faible) ou presque sûrement (loi forte), sous des conditions telles que l'indépendance et l'intégrabilité. ## Principe Principe L'idée organisatrice est la stabilisation par agrégation : les fluctuations aléatoires s'annulent lorsque de nombreuses contributions indépendantes et identiquement distribuées sont combinées, si bien que les moyennes empiriques tendent vers la valeur espérée déterministe à la limite des grands échantillons. ## Démonstration Démonstration Pour des lancers indépendants d'une pièce avec probabilité de succès p, la proportion de succès après n essais converge vers p presque sûrement ; en pratique cela fonde l'estimation par Monte Carlo où des moyennes d'échantillon approchent des espérances quand le nombre d'échantillons augmente. ## Mauvaise application Mauvaise application Appliquer la loi sans vérifier ses hypothèses — par exemple à des séries temporelles dépendantes, des lois non identiques, ou des variables sans espérance finie — peut produire des conclusions invalides ; la LLN ne dit rien sur l'amplitude des erreurs pour n fini. ## Conséquence Conséquence La LLN justifie l'utilisation des moyennes empiriques comme estimateurs consistants des espérances et soutient les fondements de la statistique, de l'échantillonnage et des méthodes Monte Carlo ; elle garantit la convergence mais pas la vitesse à laquelle elle se produit. ## Inversion Inversion La perspective inverse met en lumière des situations dominées par l'aléa persistant : lorsque les hypothèses échouent (par ex. espérance infinie ou dépendance forte), les moyennes d'échantillon peuvent ne pas se stabiliser et être dominées par des événements extrêmes rares. ## Limite Limite Exige une intégrabilité appropriée (espérance finie) et souvent indépendance ou ergodicité ; il existe différentes versions pour des suites dépendantes et des tableaux triangulaires, et la LLN ne précise ni vitesse de convergence ni distribution des fluctuations (traitées par le TLC et les grandes déviations). ## Tension sémantique Tension sémantique Il existe une tension entre les énoncés de convergence presque sûre/stochastique de la LLN et les besoins pratiques de bornes d'erreur quantitatives et de vitesses ; on confond parfois la LLN (consistance) avec le TLC (fluctuations normales) ou on attend des garanties pour n fini d'une loi asymptotique. ## Synthèse Synthèse La Loi Des Grands Nombres formalise que les moyennes de nombreuses variables aléatoires adaptées se stabilisent à l'espérance ; elle garantit la consistance des moyennes empiriques sous conditions d'intégrabilité et de dépendance faible, tandis que la vitesse et le comportement pour échantillons finis requièrent des résultats complémentaires.