Maximum de résultats identiques consécutifs

Quelques séries de 100 lancers:
FPPFFPFPFFPFPFPFPFPFFPFPFPFPFFPFPFPFPFPFFPFPFPFFPF
FFPPFPPFPFPFFFPFPFPPPFPPPFFPPFFPFPFPPPFPPPFPPFFPFF
FFFPFPPFFFFFFPFPPFFPPFPFFPFPFPPPFFFPFFPFFPFFPFFFPP
PPPFPPFFFFFFPFPPFFFPPFFPPFPFFPFFPFPPFPFFPFFPFFPFFP
PFPFPFPFPFPFPFPFPFPFPFPFPFPFPFPFPFPFPFPFPFPFPFPFPF
PFPFPFPFPFPFPFPFPFPFPFPFPFPFPFPFPFPFPFPFPFPFPFPFPF
PPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPP
PPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPPP
Seule la seconde série a été générée à l'aide d'un programme de simulation de lancers et pourtant les quatre séries ont la même probabilité de sortir : 1/2100.

Lorsqu'on lance plusieurs fois une pièce de monnaie on peut déterminer le nombre maximum de résultats consécutifs identiques. Par exemple si on sort la liste FPFFPPPPPFFPF le nombre maximum sera 5 obtenu grâce à la série PPPPP.

Si on lance 100 fois une pièce ou si on simule les lancers on démontre que le maximum de résultats identiques consécutifs le plus probable vaut 6 ou 7. Ce nombre est assez élevé et c'est comme cela qu'on peut distinguer de vraies suites aléatoires de suites générées à la main dans lesquels on évite de taper des séries de résultats consécutifs identiques trop longs.

Il y a plusieurs façons de déterminer la distribution du nombre maximum de résultats consécutifs identiques.

  • Comme il est hors de question d'étudier les 2100 séries possibles on peut déterminer des résultats proches des résultats exacts en utilisant des simulations.
  • On peut se ramèner à une chaîne de Markov et comme la matrice de transition a beaucoup de zéros, le calcul peut se faire de façon assez aisée.
  • On peut se ramener à une suite simple définie par récurrence
Diagramme en bâtons de la distribution obtenu en utilisant :

Remarques : dans l'étude de la distribution les P F ont été remplacés par des 0 1. Les programmes Python utilise les bibliothèques numpy et matplotlib.

[ retour au menu ]