Vous êtes sur la page 1sur 35

1/5

2/5

3/5

4/5

5/5

7. Loi normale et th´eor`eme central limite

S. Le Digabel,

MTH2302D

´

Ecole Polytechnique de Montr´eal

A2017

(v1)

1/5

Plan

2/5

1. Loi normale

3/5

4/5

2. Loi normale centr´ee r´eduite

3. Approximation d’une binomiale

4. Loi lognormale

5. Th´eor`emes limites

5/5

1/5

2/5

1. Loi normale

3/5

4/5

2. Loi normale centr´ee r´eduite

3. Approximation d’une binomiale

4. Loi lognormale

5. Th´eor`emes limites

5/5

1/5

2/5

Loi normale

3/5

4/5

5/5

On dit qu’une variable al´eatoire continue X suit une loi normale de param`etres µ et σ 2 si sa fonction de densit´e est

f X (x) =

σ 2π exp (x µ) 2

1

2σ 2

On d´enote ceci X N(µ, σ 2 ).

pour tout x .

1/5

2/5

3/5

4/5

Loi normale : propri´et´es

Propri´et´es de f X :

5/5

1.

x± f X (x) = 0.

lim

2.

f X (µ + x) = f X (µ x) (sym´etrie par rapport `a l’axe x = µ).

3.

f X atteint son maximum en x = µ (µ est le mode de X).

4.

Les points d’inflexion du graphe de f X sont x = µ ± σ.

de X ). 4. Les points d’inflexion du graphe de f X sont x = µ

1/5

2/5

3/5

4/5

5/5

Loi normale : propri´et´es (suite)

Si X N(µ, σ 2 ) alors

1. P (X < µ x) = P (X > µ + x).

2. F X (µ x) = 1 F X (µ + x).

1/5

2/5

3/5

4/5

5/5

Moyenne et variance de la loi normale

Si X N(µ, σ 2 ) alors

1. E(X) = µ.

2. V(X) = σ 2 .

0.4

0.3

f(x)

0.2

0.1

0.0

1/5

2/5 3/5 4/5 fonction de densité de X~N(0,1) -4 -2 0 2 4 x
2/5
3/5
4/5
fonction de densité de X~N(0,1)
-4
-2
0
2
4
x

5/5

1.0

0.8

0.6

F(x)

0.4

0.2

0.0

1/5

2/5

3/5

4/5

5/5

fonction de répartition de X~N(0,1)

-4 -2 0 2 4 x
-4
-2
0
2
4
x

1/5

2/5

3/5

4/5

5/5

Loi normale : calcul avec des logiciels

Excel :

f X (x) = LOI.NORMALE(x, µ, σ, 0). F X (x) = LOI.NORMALE(x, µ, σ, 1).

R :

f X (x) = dnorm(x, mean=µ, sd=σ). F X (x) = pnorm(x, mean=µ, sd=σ).

1/5

2/5

1. Loi normale

3/5

4/5

2. Loi normale centr´ee r´eduite

3. Approximation d’une binomiale

4. Loi lognormale

5. Th´eor`emes limites

5/5

1/5

2/5

3/5

4/5

Loi normale centr´ee r´eduite

5/5

Lorsque µ = 0 et σ 2 = 1, la loi normale N(0, 1) est appel´ee centr´ee r´eduite et on la d´enote par Z .

Sa fonction de densit´e est

φ(z) =

1 − z 2 2 √ 2π e
1 − z 2
2
√ 2π e

.

Sa fonction de r´epartition est

Φ(z) =

1

2π

z

−∞

e

t 2

2 dt .

Puisque cette int´egrale est difficile `a ´evaluer, on a recours `a une table de loi normale pour calculer Φ(z). Voir livre page 476 ou sur le site web du cours.

1/5

2/5

3/5

4/5

5/5

Loi normale centr´ee r´eduite (suite)

Si X N(µ, σ 2 ) alors

Z = X µ

σ

N(0, 1).

On peut donc ramener toute loi normale `a une loi centr´ee r´eduite.

1/5

2/5

3/5

4/5

5/5

M´ethodes de calcul

Si Z N(0, 1)

Si

b 0 alors P (Z b) = Φ(b).

Si

b < 0 alors

Φ(b) = P (Z b) = 1 P (Z

≤ −b) = 1 Φ(b).

P (Z

b) = 1 P (Z b) = 1 Φ(b).

P (a Z b) = P (Z b) P (Z a) = Φ(b) Φ(a).

Si X N(µ, σ 2 ), alors P (X b) = Φ bµ et

σ

P(a X b) = P a µ

σ

Z b µ

σ

= Φ b µ Φ a µ

σ

σ

.

1/5

2/5

Exemples

3/5

4/5

Exemple 1 : V´erifier que µ = 0 et σ 2 = 1 si X N(0, 1).

Exemple 2 : D´eterminer Q 1 , Q 2 et Q 3 si X N(0, 1).

5/5

1/5

2/5

Exemple 3

3/5

Si Z N(0, 1), calculer

1. P (Z

1.25).

2. P (Z

≤ −0.52).

3. P (Z

> 1).

4/5

5/5

4. Si X N(µ = 100, σ 2 = 4), calculer P (98 < X 104).

5. Si P (Z b) = 0.6628, d´eterminer b.

6. Si P (Z b) = 0.3446, d´eterminer b.

1/5

2/5

3/5

4/5

Additivit´e

Soit X 1 , X 2 ,

, X n des variables al´eatoires ind´ependantes avec

X i N(µ i , σ

2

i

) pour tout i.

Soit Y = a 0 +

a 1 X 1 + a 2 X 2 + ··· + a n X n .

Alors Y N(µ, σ 2 ), o`u

µ =

a 0 + a 1 µ 1 + a 2 µ 2 + ··· + a n µ n ,

σ 2

=

a 2 σ

1

2

1

+ a 2

2

σ

2

2

+ ··· + a

n σ n .

2

2

5/5

1/5

2/5

Exemple 4

3/5

4/5

5/5

Un assemblage consiste `a ins´erer un arbre dans un palier selon le sch´ema ci-dessous.

X X 1 2
X
X
1
2

Si X 1 N(1.5, 0.0016) et X 2 N(1.48, 0.0009) sont les deux diam`etres, le jeu entre les deux ´el´ements est Y = X 1 X 2 . Les v.a. X 1 et X 2 sont ind´ependantes.

L’assemblage ´echoue si X 1 < X 2 .

Dans quel pourcentage de cas l’assemblage ´echoue-t-il ?

1/5

2/5

1. Loi normale

3/5

4/5

2. Loi normale centr´ee r´eduite

3. Approximation d’une binomiale

4. Loi lognormale

5. Th´eor`emes limites

5/5

1/5

2/5

3/5

4/5

5/5

Approx. d’une loi binomiale par une loi normale

Soit X B(n, p) une variable al´eatoire suivant une loi binomiale. Alors X est la somme de variables de Bernoulli ind´ependantes de param`etre p.

Si n est grand alors X suit approximativement une loi normale N(µ = np, σ 2 = np(1 p)).

Cette approximation est bonne si

np > 5 lorsque p

2 . n(1 p) > 5 lorsque p >

1

1

2 .

1/5

2/5

3/5

4/5

5/5

Approx. d’une binomiale par une normale (suite)

Puisque X B(n, p) est une variable discr`ete, on cherche `a calculer des probabilit´es comme P (X = x).

Or ceci n’a pas de sens pour une v.a. continue et on doit corriger la valeur cherch´ee pour pouvoir utiliser l’approximation de X par une loi normale.

Par exemple

Valeur cherch´ee

P(X = x)

P(a X b)

Valeur corrig´ee

P(x 1

2 X x +

P(a 1 2 X b +

1

2

1

2

)

)

Cette correction est appel´ee correction pour la continuit´e.

1/5

2/5

Exemple 5

3/5

4/5

5/5

On lance une pi`ece 200 fois. Quelle est la probabilit´e d’obtenir au moins 110 piles ?

1/5

2/5

1. Loi normale

3/5

4/5

2. Loi normale centr´ee r´eduite

3. Approximation d’une binomiale

4. Loi lognormale

5. Th´eor`emes limites

5/5

1/5

2/5

Loi lognormale

3/5

4/5

5/5

Une variable al´eatoire X suit une loi lognormale de param`etres µ Y

2

et σ Y

si

2

Y = ln(X) N(µ Y , σ Y ) .

C’est ´equivalent `a d´efinir X = exp(Y ).

1/5

2/5

3/5

4/5

5/5

Loi lognormale : fonction de densit´e

La fonction de densit´e d’une variable al´eatoire lognormale X de param`etres µ Y , σ Y est

2

f X (x) =

1 2π exp (ln(x) µ Y ) 2

2σ

2

Y

Y

0

si x > 0 ,

sinon.

1/5

2/5

3/5

4/5

5/5

Loi lognormale : fonction de r´epartition

La fonction de r´epartition d’une variable al´eatoire lognormale X de param`etres µ Y , σ Y est

2

F X (x) =

    Φ ln(x) µ Y

σ Y

   0

si x > 0 ,

sinon.

1/5

2/5

3/5

4/5

5/5

Loi lognormale : moyenne et variance

Soit X une variable al´eatoire lognormale de param`etres µ Y , σ

Alors :

1. E(X) = exp(µ Y + 1 2 σ Y ).

2

2. V(X) = exp(2µ Y + σ Y ) exp(σ Y ) 1 .

2

2

2

Y .

1/5

2/5

3/5

4/5

Loi lognormale : propri´et´es

Soit X 1 , X 2 ,

ind´ependantes de param`etres µ Y i , et σ Y i pour i = 1, 2, Alors

, X n des variables al´eatoires lognormales

2

W = bX

a

1

1

X

a

2

2

a

n

··· X

n

, n.

suit une loi lognormale de param`etres

µ Y

et

σ

2

Y

=

=

ln(b) +

n

i=1 a i µ Y i

n

i=1

a

2

i

2

σ Y i .

5/5

1/5

Exemple 6

Soit

et

2/5

3/5

Y 1 = Y 2 =

Y 3 =

=

Y 4

ln(X 1 ) N(4, 1) ln(X 2 ) N(3, 0.5) ln(X 3 ) N(2, 0.4) ln(X 4 ) N(1, 0.01)

W = e 1.5 X

X

0.7

3

2.5
1

X

0.2

2

X

3.1

4

.

4/5

Calculer P (2 × 10 4 W 6 × 10 5 ).

5/5

1/5

2/5

1. Loi normale

3/5

4/5

2. Loi normale centr´ee r´eduite

3. Approximation d’une binomiale

4. Loi lognormale

5. Th´eor`emes limites

5/5

1/5

2/5

3/5

4/5

Loi des grands nombres

Soient X 1 , X 2 ,

la mˆeme distribution, avec E(X i ) =

Alors pour tout ε > 0,

, X n des variables al´eatoires ind´ependantes ayant

µ pour i = 1, 2,

, n.

n→∞ P

lim

n

i=1 X i

n

µ

> ε = 0 .

5/5

1/5

2/5

3/5

4/5

5/5

Th´eor`eme central limite (TCL)

Soit X 1 , X 2 ,

ind´ependantes, avec E(X i ) = µ i et V(X i ) = σ

i = 1, 2,

Alors la variable al´eatoire

, X n une suite de variables al´eatoires

i 2 pour

, n.

Z = i=1 n (X i µ i )

n

i=1 σ i

2

suit approximativement une loi normale N(0, 1) si n est grand.

1/5

2/5

3/5

4/5

TCL : cas particulier

Soit X 1 , X 2 ,

ind´ependantes et identiquement distribu´ees, avec E(X i ) = µ et

V(X i ) = σ 2 pour i = 1, 2,

Alors la variable al´eatoire

, X n une suite de variables al´eatoires

, n.

Z = i=1 n X i

σ n

5/5

suit approximativement une loi normale N(0, 1) si n est grand.

Autres formulations (pour n → ∞) :

n

i=1

X i N (nµ, nσ 2 ), ou

X = 1

) : n i =1 X i ∼ N ( nµ, nσ 2 ) , ou

n

n

i=1

X i N (µ, σ 2 /n) .

1/5

2/5

Exemple 7

3/5

4/5

5/5

On lance un d´e 100 fois. Quelle est la probabilit´e que la somme des r´esultats soit entre 340 et 360 ?

1/5

2/5

3/5

4/5

5/5

Th´eor`eme central limite : quelle valeur de n est assez grande ?

Si les lois des X i sont proches d’une loi normale alors pour n 4 l’approximation donn´ee par le th´eor`eme central limite est bonne.

Si les lois des X i sont moyennement proches d’une loi normale (p. ex. loi uniforme) alors pour n 12 l’approximation donn´ee par le th´eor`eme central limite est bonne.

Si les lois des X i ne sont pas proches d’une loi normale alors pour n 100 l’approximation donn´ee par le th´eor`eme central limite sera bonne (par exemple fonction de densit´e tr`es asym´etrique).