But: Chercher un équivalent de (2n
Transcription
But: Chercher un équivalent de (2n
à 2n U N ÉQUIVALENT EN +∞ DE n ! à * 0.4 0.5 ! 2n But: Chercher un équivalent de pour n → +∞ n Pour n ∈ N∗ , notons X n la variable aléatoire suibvant la loi binomiale de paramètre B(2n, n). ¡ ¢ A l’aide d’un logiciel, traçons dans un repère, le nuage de points n, p(X n = n) pour 1 ≤ n ≤ 5000. On obtient : p(Xn=n) 0.3 * * 0.0 0.1 0.2 * * * * * * ** ** ** *** ** ** ** *** *** *** *** *** ****** ************ ********************************* **************************************************************************************************************************************************************** ******************************************************************************************** 0 1000 2000 3000 4000 5000 n 60 0 20 40 1/p(Xn=n) 80 100 120 1 En observant la forme du nuage, il semble opportun d’utiliser le changement de variable u = . y µ ¶ 1 Représentons donc le nuage de points n, pour 1 ≤ n ≤ 5000. On obtient : p(X n = n) *** *********** ********** ********** * * * * * * * * * *** ********** ********* ********* ********** * * * * * * * * * ********* ********* ********* ******** * * * * * * * ** ******** ******** ******* ******* * * * * * * ** ******* ****** ****** ******* * * * * * ****** ****** ****** ***** * * * * * ***** ***** **** **** * * * * **** *** *** **** * * * *** *** *** * * *** *** *** ***** * *** *** ** 0 1000 2000 3000 4000 5000 n En observant de nouveau la forme du nuage, il semble évident de tester le changement de variable v = u 2 . ©IREM Février 2011 1/2 à 2n U N ÉQUIVALENT EN +∞ DE n 0 5000 1/p(Xn=n)² 10000 15000 µ Représentons donc le nuage de points n, 1 p 2 (X n = n) ¶ ! pour 1 ≤ n ≤ 5000. On obtient : ***** ****** ****** * * * * * ***** ****** ****** ****** * * * * * ***** ****** ****** ****** * * * * * ***** ****** ****** ****** * * * * * ***** ****** ****** ****** * * * * * ***** ****** ****** ****** * * * * * ***** ****** ****** ****** * * * * * ***** ****** ****** ****** * * * * * ***** ****** ****** ****** * * * * * ***** ****** ****** ****** * * * * * *** ****** ****** ****** ****** 0 1000 2000 3000 4000 5000 n 0 5000 1/p(Xn=n)² 10000 15000 Cherchons alors l’équation d’une droite de régression, on trouve : ****** ****** ****** * * * * * ***** ****** ****** ****** * * * * * ***** ****** ****** ****** * * * * * ***** ****** ****** ****** * * * * * ***** ****** ****** ****** * * * * * ***** ****** ****** ****** * * * * * ***** ****** ****** ****** * * * * * ***** ****** ****** ****** * * * * * ***** ****** ****** ****** * * * * * ***** ****** ****** ****** * * * * * *** y= 3.1416 x+ 0.786 ****** ****** ****** ****** 0 1000 2000 3000 4000 5000 n On trouve y = 3, 1416x + 0, 786. D’où 1 p 2 (X n = n) ≈ 3, 1416n + 0, 786, ce qui permet d’obtenir à ! 2n 22n On reconnaît dans la formule le nombre π. ≈p n 3, 1416n + 0, 786 En utilisant la formule de Stirling n! = On a π ≈ 3, 1416 et ©IREM Février 2011 π ≈ 0, 7854 4 p à ! µ ¶¶ ³ n ´n µ 1 2n 1 22n 1+ +o , on arrive à =q 2πn ¡ ¢. e 12n n n πn + π4 + o n1 2/2