THEORIE DES PROBABILITES

Convergences et Théorèmes-limites
Adjoint(e)s Techniques de la Statistique, Première année
Année académique 2018 − 2019

Boris BAFFO, Enseignant-Chercheur

Ecole Nationale Supérieure de Statistique et d’Economie Appliquée, Abidjan (Côte d’Ivoire)

13 juin 2019

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 1 / 21

Plan de l’exposé

1 Motivations

2 Inégalités classiques

3 Convergences et Théorèmes fondamentaux

4 Quelques applications des théorèmes fondamentaux

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 2 / 21

 Motivations

Problème
Soit Ω une population de taille N et une caractéristique (Age)
observable auprès des individus de cette population.
Soit X la variable désignant la valeur de cette caractéristique d’un
individu de cette population à un moment donné. X est une v.a.r. à
valeurs dans R de loi PX , à priori, inconnue.
Considérons l’expérience aléatoire suivante : sélectionner, de
manière aléatoire (indépendante), un groupe de n individus
dans Ω et collecter l’information auprès de chacun d’eux.
Cette expérience correspond à un vecteur aléatoire (X1 , . . . , Xn )
indépendant tel que Xi (la valeur de l’individu i) admet pour loi
PX , ∀i = 1, . . . , n.
Le modèle probabiliste associé est :

(Rn , B(Rn ), PX ⊗n )

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 3 / 21

 Motivations

Problème
Soit Ω une population de taille N et une caractéristique (Age)
observable auprès des individus de cette population.
Soit X la variable désignant la valeur de cette caractéristique d’un
individu de cette population à un moment donné. X est une v.a.r. à
valeurs dans R de loi PX , à priori, inconnue.
Considérons l’expérience aléatoire suivante : sélectionner, de
manière aléatoire (indépendante), un groupe de n individus
dans Ω et collecter l’information auprès de chacun d’eux.
Cette expérience correspond à un vecteur aléatoire (X1 , . . . , Xn )
indépendant tel que Xi (la valeur de l’individu i) admet pour loi
PX , ∀i = 1, . . . , n.
Le modèle probabiliste associé est :

(Rn , B(Rn ), PX ⊗n )

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 3 / 21

 Motivations

Problème
Soit Ω une population de taille N et une caractéristique (Age)
observable auprès des individus de cette population.
Soit X la variable désignant la valeur de cette caractéristique d’un
individu de cette population à un moment donné. X est une v.a.r. à
valeurs dans R de loi PX , à priori, inconnue.
Considérons l’expérience aléatoire suivante : sélectionner, de
manière aléatoire (indépendante), un groupe de n individus
dans Ω et collecter l’information auprès de chacun d’eux.
Cette expérience correspond à un vecteur aléatoire (X1 , . . . , Xn )
indépendant tel que Xi (la valeur de l’individu i) admet pour loi
PX , ∀i = 1, . . . , n.
Le modèle probabiliste associé est :

(Rn , B(Rn ), PX ⊗n )

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 3 / 21

 Motivations

Problème
Soit Ω une population de taille N et une caractéristique (Age)
observable auprès des individus de cette population.
Soit X la variable désignant la valeur de cette caractéristique d’un
individu de cette population à un moment donné. X est une v.a.r. à
valeurs dans R de loi PX , à priori, inconnue.
Considérons l’expérience aléatoire suivante : sélectionner, de
manière aléatoire (indépendante), un groupe de n individus
dans Ω et collecter l’information auprès de chacun d’eux.
Cette expérience correspond à un vecteur aléatoire (X1 , . . . , Xn )
indépendant tel que Xi (la valeur de l’individu i) admet pour loi
PX , ∀i = 1, . . . , n.
Le modèle probabiliste associé est :

(Rn , B(Rn ), PX ⊗n )

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 3 / 21

 Motivations

Problème
A présent, considérons Un = T (X1 , . . . , Xn ) un résumé du vecteur
(X1 , . . . , Xn ) avec T borélienne de Rn dans R.
Un est également une v.a.r. à valeurs dans R de loi PUn inconnue mais
qui dépend de n.
Deux questions se posent :
1 Existerait-il un réel a (une v.a.r. Z0 ) tel que la probabilité que Un
prenne cette valeur (la valeur de Z0 ) est d’autant plus élevée que
n est grand ?
n → +∞, P({Un proche de a}) = 1.
2 Pour n assez grand, la loi de Un se rapprocherait-elle
(convergerait-elle) d’une loi donnée P0 d’une variable Z0 ?
n → +∞, PUn (A) = PZ0 (A), ∀A ∈ B(R).

Objectifs du module
Définir la notion de Convergences en théorie des probabilité.
Présenter deux Théorèmes fondamentaux répondant à 1 et 2.
Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 4 / 21
 Motivations

Problème
A présent, considérons Un = T (X1 , . . . , Xn ) un résumé du vecteur
(X1 , . . . , Xn ) avec T borélienne de Rn dans R.
Un est également une v.a.r. à valeurs dans R de loi PUn inconnue mais
qui dépend de n.
Deux questions se posent :
1 Existerait-il un réel a (une v.a.r. Z0 ) tel que la probabilité que Un
prenne cette valeur (la valeur de Z0 ) est d’autant plus élevée que
n est grand ?
n → +∞, P({Un proche de a}) = 1.
2 Pour n assez grand, la loi de Un se rapprocherait-elle
(convergerait-elle) d’une loi donnée P0 d’une variable Z0 ?
n → +∞, PUn (A) = PZ0 (A), ∀A ∈ B(R).

Objectifs du module
Définir la notion de Convergences en théorie des probabilité.
Présenter deux Théorèmes fondamentaux répondant à 1 et 2.
Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 4 / 21
 Motivations

Problème
A présent, considérons Un = T (X1 , . . . , Xn ) un résumé du vecteur
(X1 , . . . , Xn ) avec T borélienne de Rn dans R.
Un est également une v.a.r. à valeurs dans R de loi PUn inconnue mais
qui dépend de n.
Deux questions se posent :
1 Existerait-il un réel a (une v.a.r. Z0 ) tel que la probabilité que Un
prenne cette valeur (la valeur de Z0 ) est d’autant plus élevée que
n est grand ?
n → +∞, P({Un proche de a}) = 1.
2 Pour n assez grand, la loi de Un se rapprocherait-elle
(convergerait-elle) d’une loi donnée P0 d’une variable Z0 ?
n → +∞, PUn (A) = PZ0 (A), ∀A ∈ B(R).

Objectifs du module
Définir la notion de Convergences en théorie des probabilité.
Présenter deux Théorèmes fondamentaux répondant à 1 et 2.
Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 4 / 21
 Motivations

Problème
A présent, considérons Un = T (X1 , . . . , Xn ) un résumé du vecteur
(X1 , . . . , Xn ) avec T borélienne de Rn dans R.
Un est également une v.a.r. à valeurs dans R de loi PUn inconnue mais
qui dépend de n.
Deux questions se posent :
1 Existerait-il un réel a (une v.a.r. Z0 ) tel que la probabilité que Un
prenne cette valeur (la valeur de Z0 ) est d’autant plus élevée que
n est grand ?
n → +∞, P({Un proche de a}) = 1.
2 Pour n assez grand, la loi de Un se rapprocherait-elle
(convergerait-elle) d’une loi donnée P0 d’une variable Z0 ?
n → +∞, PUn (A) = PZ0 (A), ∀A ∈ B(R).

Objectifs du module
Définir la notion de Convergences en théorie des probabilité.
Présenter deux Théorèmes fondamentaux répondant à 1 et 2.
Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 4 / 21
 Inégalités classiques

Proposition : Inégalité de Markov

Soient X une v.a.r. et ϕ une application positive borélienne de R dans
[0, +∞], alors pour tout réel ε > 0,

E[ϕ(X )]
P[ϕ(X ) ≥ ε] ≤
ε

Proposition : Inégalité de Bienaymé-Tchébycheff (IBT)

Soient X une v.a.r. telle que et E(X 2 ) est finie. Alors pour tout réel ε > 0,

Var (X )
P[|X − E(x)| ≥ ε] ≤
ε2

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 5 / 21

 Inégalités classiques

Définition
Soit (Xn )N une suite de v.a.r..
La suite (Xn )N est dite indépendante et identiquement-distribuée, en
abrégré i.i.d., si la suite est indépendante et toutes v.a.r. de la suite ont la
même loi.

Définition
Si (Xn )N une suite de v.a.r. alors pour tout n ≥ 1, on appelle moyenne
empirique d’ordre n associée à la suite (Xn )N , notée X n , la v.a.r. définie
par
X1 + . . . + Xn
Xn = .
n

Proposition
Si (Xn )N une suite i.i.d. de v.a.r. de carré intégrable, d’espérance m et de
variance σ 2 , alors
σ2
E(X n ) = m et Var (X n ) =
n
Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 6 / 21
 Convergences et Théorèmes fondamentaux

Convergences en probabilité : Définition

Soit (Ω, F, P) un espace de probabilité.

Toutes les v.a.r de cette section sont définies sur (Ω, F, P).
Définition
On dit qu’une suite de v.a.r. (Xn )N converge en probabilité vers une
v.a.r. Y si, pour tout réel ε > 0, limn→+∞ P (|Xn − Y | ≥ ε) = 0.
Pour n assez, il est très probable que les valeurs de Xn et Y soient très
proches.

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 7 / 21

 Convergences et Théorèmes fondamentaux

Convergences en probabilité : Propriétés

Proposition : Unicité de la limite
Si (Xn )N une suite de v.a.r. convergeant en probabilité vers les v.a.r. X et
Y , alors X et Y sont égales presque-sûrement, ie P (X = Y ) = 1.

Proposition
Soient f une application continue de R2 dans R, (Xn )N et (Yn )N deux
suites de v.a.r. convergeant en probabilité respectivement vers les v.a.r. X
et Y , alors la suite des v.a.r. (f (Xn , Yn ))N converge en probabilité vers la
v.a.r. f (X , Y ).

Proposition
Si (Xn )N et (Yn )N sont deux suites de v.a.r. convergeant en probabilité
respectivement vers les v.a.r. X et Y , alors les suites des v.a.r. (Xn + Yn )N
et (Xn Yn )N convergent en probabilité respectivement vers les v.a.r. X + Y
et XY .
Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 8 / 21
 Convergences et Théorèmes fondamentaux

Convergences en probabilité : Propriétés

Proposition : Unicité de la limite
Si (Xn )N une suite de v.a.r. convergeant en probabilité vers les v.a.r. X et
Y , alors X et Y sont égales presque-sûrement, ie P (X = Y ) = 1.

Proposition
Soient f une application continue de R2 dans R, (Xn )N et (Yn )N deux
suites de v.a.r. convergeant en probabilité respectivement vers les v.a.r. X
et Y , alors la suite des v.a.r. (f (Xn , Yn ))N converge en probabilité vers la
v.a.r. f (X , Y ).

Proposition
Si (Xn )N et (Yn )N sont deux suites de v.a.r. convergeant en probabilité
respectivement vers les v.a.r. X et Y , alors les suites des v.a.r. (Xn + Yn )N
et (Xn Yn )N convergent en probabilité respectivement vers les v.a.r. X + Y
et XY .
Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 8 / 21
 Convergences et Théorèmes fondamentaux

Convergences en probabilité : Propriétés

Proposition : Unicité de la limite
Si (Xn )N une suite de v.a.r. convergeant en probabilité vers les v.a.r. X et
Y , alors X et Y sont égales presque-sûrement, ie P (X = Y ) = 1.

Proposition
Soient f une application continue de R2 dans R, (Xn )N et (Yn )N deux
suites de v.a.r. convergeant en probabilité respectivement vers les v.a.r. X
et Y , alors la suite des v.a.r. (f (Xn , Yn ))N converge en probabilité vers la
v.a.r. f (X , Y ).

Proposition
Si (Xn )N et (Yn )N sont deux suites de v.a.r. convergeant en probabilité
respectivement vers les v.a.r. X et Y , alors les suites des v.a.r. (Xn + Yn )N
et (Xn Yn )N convergent en probabilité respectivement vers les v.a.r. X + Y
et XY .
Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 8 / 21
 Convergences et Théorèmes fondamentaux

Convergences en probabilité : Loi Faible des Grands

Nombres(LFGN1)

Proposition : Loi faible des grands nombres (Application de IBT)

Si (Xn )N une suite i.i.d. de v.a.r. de carré intégrable, d’espérance m et de
variance σ 2 , alors pour tout réel ε > 0,

σ2
P[|X n − m| ≥ ε] ≤ .
nε2
Par conséquent
lim P[|X n − m| ≥ ε] = 0
n→+∞

Ainsi, la suite des moyennes empiriques (X n )N∗ converge en probabilité

vers la v.a.r. constante m.
Pour n assez, il est très probable que X n soit très proche la valeur m

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 9 / 21

 Convergences et Théorèmes fondamentaux

Convergences presque-sûre : Définition

Soit (Ω, F, P) un espace de probabilité.

Toutes les v.a.r de cette section sont définies sur (Ω, F, P).
Proposition
Si (Xn )N est une suite de v.a.r. et Y une v.a.r. alors l’ensemble
∆Y = {ω ∈ Ω/ limn→+∞ Xn (ω) = Y (ω)} ∈ F .

Définition
On dit que la suite de v.a.r. (Xn )N converge presque-sûrement vers Y si
P (∆Y ) = 1.
Pour n assez, il est certain que les valeurs de Xn et Y soient très proches.

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 10 / 21

 Convergences et Théorèmes fondamentaux

Convergences presque-sûre : Définition

Soit (Ω, F, P) un espace de probabilité.

Toutes les v.a.r de cette section sont définies sur (Ω, F, P).
Proposition
Si (Xn )N est une suite de v.a.r. et Y une v.a.r. alors l’ensemble
∆Y = {ω ∈ Ω/ limn→+∞ Xn (ω) = Y (ω)} ∈ F .

Définition
On dit que la suite de v.a.r. (Xn )N converge presque-sûrement vers Y si
P (∆Y ) = 1.
Pour n assez, il est certain que les valeurs de Xn et Y soient très proches.

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 10 / 21

 Convergences et Théorèmes fondamentaux

Convergences presque-sûre : Définition

Soit (Ω, F, P) un espace de probabilité.

Toutes les v.a.r de cette section sont définies sur (Ω, F, P).
Proposition
Si (Xn )N est une suite de v.a.r. et Y une v.a.r. alors l’ensemble
∆Y = {ω ∈ Ω/ limn→+∞ Xn (ω) = Y (ω)} ∈ F .

Définition
On dit que la suite de v.a.r. (Xn )N converge presque-sûrement vers Y si
P (∆Y ) = 1.
Pour n assez, il est certain que les valeurs de Xn et Y soient très proches.

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 10 / 21

 Convergences et Théorèmes fondamentaux

Convergences presque-sûre : Propriétés

Proposition : Unicité de la limite
Si (Xn )N une suite de v.a.r. convergeant presque-sûrement vers les v.a.r. X
et Y , alors X et Y sont égales presque-sûrement, ie P (X = Y ) = 1.

Proposition
Soient f une application continue de R2 dans R, (Xn )N et (Yn )N deux
suites de v.a.r. convergeant presque-sûrement respectivement vers les v.a.r.
X et Y , alors la suite des v.a.r. (f (Xn , Yn ))N converge presque-sûrement
vers la v.a.r. f (X , Y ).

Proposition
Si (Xn )N et (Yn )N sont deux suites de v.a.r. convergeant presque-sûrement
respectivement vers les v.a.r. X et Y , alors les suites des v.a.r. (Xn + Yn )N
et (Xn Yn )N convergent presque-sûrement respectivement vers les v.a.r.
X + Y et XY .
Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 11 / 21
 Convergences et Théorèmes fondamentaux

Convergences presque-sûre : Propriétés

Proposition : Unicité de la limite
Si (Xn )N une suite de v.a.r. convergeant presque-sûrement vers les v.a.r. X
et Y , alors X et Y sont égales presque-sûrement, ie P (X = Y ) = 1.

Proposition
Soient f une application continue de R2 dans R, (Xn )N et (Yn )N deux
suites de v.a.r. convergeant presque-sûrement respectivement vers les v.a.r.
X et Y , alors la suite des v.a.r. (f (Xn , Yn ))N converge presque-sûrement
vers la v.a.r. f (X , Y ).

Proposition
Si (Xn )N et (Yn )N sont deux suites de v.a.r. convergeant presque-sûrement
respectivement vers les v.a.r. X et Y , alors les suites des v.a.r. (Xn + Yn )N
et (Xn Yn )N convergent presque-sûrement respectivement vers les v.a.r.
X + Y et XY .
Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 11 / 21
 Convergences et Théorèmes fondamentaux

Convergences presque-sûre : Propriétés

Proposition : Unicité de la limite
Si (Xn )N une suite de v.a.r. convergeant presque-sûrement vers les v.a.r. X
et Y , alors X et Y sont égales presque-sûrement, ie P (X = Y ) = 1.

Proposition
Soient f une application continue de R2 dans R, (Xn )N et (Yn )N deux
suites de v.a.r. convergeant presque-sûrement respectivement vers les v.a.r.
X et Y , alors la suite des v.a.r. (f (Xn , Yn ))N converge presque-sûrement
vers la v.a.r. f (X , Y ).

Proposition
Si (Xn )N et (Yn )N sont deux suites de v.a.r. convergeant presque-sûrement
respectivement vers les v.a.r. X et Y , alors les suites des v.a.r. (Xn + Yn )N
et (Xn Yn )N convergent presque-sûrement respectivement vers les v.a.r.
X + Y et XY .
Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 11 / 21
 Convergences et Théorèmes fondamentaux

Convergences presque-sûre : Loi Forte des Grands

Nombres(LFGN2)

Proposition : Loi forte des grands nombres

Si (Xn )N une suite i.i.d. de v.a.r. intégrables et d’espérance m, alors la
suite des moyennes empiriques (X n )N∗ converge presque-sûrement vers la
v.a.r. constante m.
Pour n assez, il est certain que X n soit très proche la valeur m

Proposition : Convergences presque-sûre vs Convergences en probabilité

Si (Xn )N une suite de v.a.r. convergeant presque-sûrement vers la
v.a.r. Y alors la suite (Xn )N converge en probabilité vers la v.a.r. Y .
La réciproque est fausse
La réciproque est vraie dans le cas discrèt.

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 12 / 21

 Convergences et Théorèmes fondamentaux

Convergences presque-sûre : Loi Forte des Grands

Nombres(LFGN2)

Proposition : Loi forte des grands nombres

Si (Xn )N une suite i.i.d. de v.a.r. intégrables et d’espérance m, alors la
suite des moyennes empiriques (X n )N∗ converge presque-sûrement vers la
v.a.r. constante m.
Pour n assez, il est certain que X n soit très proche la valeur m

Proposition : Convergences presque-sûre vs Convergences en probabilité

Si (Xn )N une suite de v.a.r. convergeant presque-sûrement vers la
v.a.r. Y alors la suite (Xn )N converge en probabilité vers la v.a.r. Y .
La réciproque est fausse
La réciproque est vraie dans le cas discrèt.

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 12 / 21

 Convergences et Théorèmes fondamentaux

Convergences presque-sûre : Loi Forte des Grands

Nombres(LFGN2)

Proposition : Loi forte des grands nombres

Si (Xn )N une suite i.i.d. de v.a.r. intégrables et d’espérance m, alors la
suite des moyennes empiriques (X n )N∗ converge presque-sûrement vers la
v.a.r. constante m.
Pour n assez, il est certain que X n soit très proche la valeur m

Proposition : Convergences presque-sûre vs Convergences en probabilité

Si (Xn )N une suite de v.a.r. convergeant presque-sûrement vers la
v.a.r. Y alors la suite (Xn )N converge en probabilité vers la v.a.r. Y .
La réciproque est fausse
La réciproque est vraie dans le cas discrèt.

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 12 / 21

 Convergences et Théorèmes fondamentaux

Convergences presque-sûre : Loi Forte des Grands

Nombres(LFGN2)

Proposition : Loi forte des grands nombres

Si (Xn )N une suite i.i.d. de v.a.r. intégrables et d’espérance m, alors la
suite des moyennes empiriques (X n )N∗ converge presque-sûrement vers la
v.a.r. constante m.
Pour n assez, il est certain que X n soit très proche la valeur m

Proposition : Convergences presque-sûre vs Convergences en probabilité

Si (Xn )N une suite de v.a.r. convergeant presque-sûrement vers la
v.a.r. Y alors la suite (Xn )N converge en probabilité vers la v.a.r. Y .
La réciproque est fausse
La réciproque est vraie dans le cas discrèt.

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 12 / 21

 Convergences et Théorèmes fondamentaux

Convergences en loi : Définition

Soit (Ω, F, P) un espace de probabilité.
Toutes les v.a.r de cette section sont définies sur (Ω, F, P).
Définition
Soient (Xn )N une suite de v.a.r. et Y une v.a.r..
Posons ∀n, Fn , la fonction de répartition de Xn , et F celle de Y .
On dit que la suite de v.a.r. (Xn )N converge en loi vers Y si la suite
(Fn )N converge simplement vers F sur R, ie

∀x ∈ R, lim Fn (x) = F (x).

n→+∞

Dans le cas discrèt, (Xn )N converge en loi vers Y si

∀x ∈ N, lim P(Xn = x) = P(Y = x).

n→+∞

Pour n assez, les lois de Xn et de Y sont équivalentes.

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 13 / 21
 Convergences et Théorèmes fondamentaux

Convergences en loi : Définition

Soit (Ω, F, P) un espace de probabilité.
Toutes les v.a.r de cette section sont définies sur (Ω, F, P).
Définition
Soient (Xn )N une suite de v.a.r. et Y une v.a.r..
Posons ∀n, Fn , la fonction de répartition de Xn , et F celle de Y .
On dit que la suite de v.a.r. (Xn )N converge en loi vers Y si la suite
(Fn )N converge simplement vers F sur R, ie

∀x ∈ R, lim Fn (x) = F (x).

n→+∞

Dans le cas discrèt, (Xn )N converge en loi vers Y si

∀x ∈ N, lim P(Xn = x) = P(Y = x).

n→+∞

Pour n assez, les lois de Xn et de Y sont équivalentes.

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 13 / 21
 Convergences et Théorèmes fondamentaux

Convergences en loi : Propriétés

Proposition : Unicité
Si une suite de v.a.r. (Xn )N converge en loi vers deux v.a.r. X et Y , alors
X et Y ont nécessairement la même loi.

Proposition
Soient f une application continue de R dans R, (Xn )N une suite de v.a.r.
convergeant en loi vers la v.a.r. Y , alors la suite des v.a.r. (f (Xn ))N
converge en loi vers la v.a.r. f (Y ).

Proposition : Théorème de Slutsky

Soient (Xn )N une suite de v.a.r. convergeant en loi vers la v.a.r. constante
nulle (0) et (Yn )N une suite de v.a.r. convergeant en loi vers la v.a.r. Y .
Alors
la suite des v.a.r. (Xn + Yn )N converge en loi vers Y .
la suite des v.a.r. (Xn Yn )N converge en loi vers 0.
Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 14 / 21
 Convergences et Théorèmes fondamentaux

Convergences en loi : Propriétés

Proposition : Unicité
Si une suite de v.a.r. (Xn )N converge en loi vers deux v.a.r. X et Y , alors
X et Y ont nécessairement la même loi.

Proposition
Soient f une application continue de R dans R, (Xn )N une suite de v.a.r.
convergeant en loi vers la v.a.r. Y , alors la suite des v.a.r. (f (Xn ))N
converge en loi vers la v.a.r. f (Y ).

Proposition : Théorème de Slutsky

Soient (Xn )N une suite de v.a.r. convergeant en loi vers la v.a.r. constante
nulle (0) et (Yn )N une suite de v.a.r. convergeant en loi vers la v.a.r. Y .
Alors
la suite des v.a.r. (Xn + Yn )N converge en loi vers Y .
la suite des v.a.r. (Xn Yn )N converge en loi vers 0.
Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 14 / 21
 Convergences et Théorèmes fondamentaux

Convergences en loi : Propriétés

Proposition : Unicité
Si une suite de v.a.r. (Xn )N converge en loi vers deux v.a.r. X et Y , alors
X et Y ont nécessairement la même loi.

Proposition
Soient f une application continue de R dans R, (Xn )N une suite de v.a.r.
convergeant en loi vers la v.a.r. Y , alors la suite des v.a.r. (f (Xn ))N
converge en loi vers la v.a.r. f (Y ).

Proposition : Théorème de Slutsky

Soient (Xn )N une suite de v.a.r. convergeant en loi vers la v.a.r. constante
nulle (0) et (Yn )N une suite de v.a.r. convergeant en loi vers la v.a.r. Y .
Alors
la suite des v.a.r. (Xn + Yn )N converge en loi vers Y .
la suite des v.a.r. (Xn Yn )N converge en loi vers 0.
Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 14 / 21
 Convergences et Théorèmes fondamentaux

Convergences en loi : Propriétés

Proposition : Unicité
Si une suite de v.a.r. (Xn )N converge en loi vers deux v.a.r. X et Y , alors
X et Y ont nécessairement la même loi.

Proposition
Soient f une application continue de R dans R, (Xn )N une suite de v.a.r.
convergeant en loi vers la v.a.r. Y , alors la suite des v.a.r. (f (Xn ))N
converge en loi vers la v.a.r. f (Y ).

Proposition : Théorème de Slutsky

Soient (Xn )N une suite de v.a.r. convergeant en loi vers la v.a.r. constante
nulle (0) et (Yn )N une suite de v.a.r. convergeant en loi vers la v.a.r. Y .
Alors
la suite des v.a.r. (Xn + Yn )N converge en loi vers Y .
la suite des v.a.r. (Xn Yn )N converge en loi vers 0.
Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 14 / 21
 Convergences et Théorèmes fondamentaux

Convergences en loi vs Convergences en probabilité

Proposition
Si (Xn )N est une suite de v.a.r. convergeant en probabilité vers la
v.a.r. X , alors (Xn )N converge en loi vers X .
La réciproque est fausse.
La réciproque est vraie dans le cas où X est une constante a réel.

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 15 / 21

 Convergences et Théorèmes fondamentaux

Convergences en loi vs Convergences en probabilité

Proposition
Si (Xn )N est une suite de v.a.r. convergeant en probabilité vers la
v.a.r. X , alors (Xn )N converge en loi vers X .
La réciproque est fausse.
La réciproque est vraie dans le cas où X est une constante a réel.

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 15 / 21

 Convergences et Théorèmes fondamentaux

Convergences en loi : Théorème Central Limite (TCL)

Proposition : Théorème Central Limite : Cas univarié
Soit (Xn )N une suite i.i.d. de v.a.r. de carré intégrable, d’espérance m et
de variance σ 2 > 0. Alors
pn  

la suite des v.a.r. σ 2 X n − m N∗
converge en loi vers la loi
N (0 , 1) ie
r  Z x
n   1 − √1 t 2
∀x ∈ R, lim P 2
Xn − m < x = √ e 2 dt
n→+∞ σ −∞ 2π
 
ou encore, la suite des v.a.r. √ 1 2 [Sn − nm] ∗ converge en loi vers
nσ N
la loi N (0 , 1) ie
  Z x
1 1 − √1 t 2
∀x ∈ R, lim P √ [Sn − nm] < x = √ e 2 dt
n→+∞ nσ 2 −∞ 2π

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 16 / 21

 Convergences et Théorèmes fondamentaux

Convergences en loi : Théorème Central Limite (TCL)

Proposition : Théorème Central Limite : Cas univarié
Soit (Xn )N une suite i.i.d. de v.a.r. de carré intégrable, d’espérance m et
de variance σ 2 > 0. Alors
pn  

la suite des v.a.r. σ 2 X n − m N∗
converge en loi vers la loi
N (0 , 1) ie
r  Z x
n   1 − √1 t 2
∀x ∈ R, lim P 2
Xn − m < x = √ e 2 dt
n→+∞ σ −∞ 2π
 
ou encore, la suite des v.a.r. √ 1 2 [Sn − nm] ∗ converge en loi vers
nσ N
la loi N (0 , 1) ie
  Z x
1 1 − √1 t 2
∀x ∈ R, lim P √ [Sn − nm] < x = √ e 2 dt
n→+∞ nσ 2 −∞ 2π

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 16 / 21

 Convergences et Théorèmes fondamentaux

Convergences en loi : Théorème Central Limite (TCL)

Proposition : Théorème Central Limite : Cas univarié
Soit (Xn )N une suite i.i.d. de v.a.r. de carré intégrable, d’espérance m et
de variance σ 2 > 0. Alors
pn  

la suite des v.a.r. σ 2 X n − m N∗
converge en loi vers la loi
N (0 , 1) ie
r  Z x
n   1 − √1 t 2
∀x ∈ R, lim P 2
Xn − m < x = √ e 2 dt
n→+∞ σ −∞ 2π
 
ou encore, la suite des v.a.r. √ 1 2 [Sn − nm] ∗ converge en loi vers
nσ N
la loi N (0 , 1) ie
  Z x
1 1 − √1 t 2
∀x ∈ R, lim P √ [Sn − nm] < x = √ e 2 dt
n→+∞ nσ 2 −∞ 2π

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 16 / 21

 Convergences et Théorèmes fondamentaux

Convergences en loi : Théorème Central Limite (TCL)

Proposition : Théorème Central Limite : Cas univarié
Soit (Xn )N une suite i.i.d. de v.a.r. de carré intégrable, d’espérance m et
de variance σ 2 > 0. Alors
pn  

la suite des v.a.r. σ 2 X n − m N∗
converge en loi vers la loi
N (0 , 1) ie
r  Z x
n   1 − √1 t 2
∀x ∈ R, lim P 2
Xn − m < x = √ e 2 dt
n→+∞ σ −∞ 2π
 
ou encore, la suite des v.a.r. √ 1 2 [Sn − nm] ∗ converge en loi vers
nσ N
la loi N (0 , 1) ie
  Z x
1 1 − √1 t 2
∀x ∈ R, lim P √ [Sn − nm] < x = √ e 2 dt
n→+∞ nσ 2 −∞ 2π

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 16 / 21

 Convergences et Théorèmes fondamentaux

Convergences en loi : Théorème Central Limite (TCL)

Proposition : Théorème Central Limite : Cas multivarié

Soit (Xn )N une suite i.i.d. de vecteurs aléatoires réels de dimension d, de
carré intégrable, d’espérance m ∈ Rd et de matrice de dispersion Σ. Alors
√  

la suite des v.a.r. n X n − m N∗ converge en loi vers la loi
Nd (0 , Σ).
 
ou encore, la suite des v.a.r. √1n [Sn − nm] ∗ converge en loi vers la
N
loi Nd (0 , Σ)).

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 17 / 21

 Convergences et Théorèmes fondamentaux

Convergences en loi : Théorème Central Limite (TCL)

Proposition : Théorème Central Limite : Cas multivarié

Soit (Xn )N une suite i.i.d. de vecteurs aléatoires réels de dimension d, de
carré intégrable, d’espérance m ∈ Rd et de matrice de dispersion Σ. Alors
√  

la suite des v.a.r. n X n − m N∗ converge en loi vers la loi
Nd (0 , Σ).
 
ou encore, la suite des v.a.r. √1n [Sn − nm] ∗ converge en loi vers la
N
loi Nd (0 , Σ)).

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 17 / 21

 Convergences et Théorèmes fondamentaux

Convergences en loi : Théorème Central Limite (TCL)

Proposition : Théorème Central Limite : Cas multivarié

Soit (Xn )N une suite i.i.d. de vecteurs aléatoires réels de dimension d, de
carré intégrable, d’espérance m ∈ Rd et de matrice de dispersion Σ. Alors
√  

la suite des v.a.r. n X n − m N∗ converge en loi vers la loi
Nd (0 , Σ).
 
ou encore, la suite des v.a.r. √1n [Sn − nm] ∗ converge en loi vers la
N
loi Nd (0 , Σ)).

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 17 / 21

 Convergences et Théorèmes fondamentaux

Convergences en loi : Théorème Central Limite (TCL)

Proposition : Théorème Central Limite : Cas multivarié

Soit (Xn )N une suite i.i.d. de vecteurs aléatoires réels de dimension d, de
carré intégrable, d’espérance m ∈ Rd et de matrice de dispersion Σ. Alors
√  

la suite des v.a.r. n X n − m N∗ converge en loi vers la loi
Nd (0 , Σ).
 
ou encore, la suite des v.a.r. √1n [Sn − nm] ∗ converge en loi vers la
N
loi Nd (0 , Σ)).

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 17 / 21

 Convergences et Théorèmes fondamentaux

Delta-Méthode : Généralisation du TCL

Proposition : Cas univarié
Soit (Xn )N une suite i.i.d. de v.a.r. de carré intégrable, d’espérance m et
de variance σ 2 > 0.
1 Si ∃ g une fonction dérivable de R dans R telle que g 0 (m) 6= 0,
q 
n
 
alors la suite des v.a.r. σ 2 [g 0 (m)]2
g (X n ) − g (m) converge en loi
N∗
vers la loi N (0 , 1).

Proposition : Cas multivarié

Soit (Xn )N une suite i.i.d. de vecteurs aléatoires réels de dimension d, de
carré intégrable, d’espérance m ∈ Rd et de matrice de dispersion Σ.
1 Si ∃ g une fonction différentiable de Rd dans Rs ,
√  

alors la suite des v.a.r. n g (X n ) − g (m) N∗ converge en loi vers la loi
Ns (0 , Dg (m)ΣDg (m)t ), où Dg (m) est la matrice jacobienne de g en m.
Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 18 / 21
 Convergences et Théorèmes fondamentaux

Delta-Méthode : Généralisation du TCL

Proposition : Cas univarié
Soit (Xn )N une suite i.i.d. de v.a.r. de carré intégrable, d’espérance m et
de variance σ 2 > 0.
1 Si ∃ g une fonction dérivable de R dans R telle que g 0 (m) 6= 0,
q 
n
 
alors la suite des v.a.r. σ 2 [g 0 (m)]2
g (X n ) − g (m) converge en loi
N∗
vers la loi N (0 , 1).

Proposition : Cas multivarié

Soit (Xn )N une suite i.i.d. de vecteurs aléatoires réels de dimension d, de
carré intégrable, d’espérance m ∈ Rd et de matrice de dispersion Σ.
1 Si ∃ g une fonction différentiable de Rd dans Rs ,
√  

alors la suite des v.a.r. n g (X n ) − g (m) N∗ converge en loi vers la loi
Ns (0 , Dg (m)ΣDg (m)t ), où Dg (m) est la matrice jacobienne de g en m.
Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 18 / 21
 Convergences et Théorèmes fondamentaux

Delta-Méthode : Généralisation du TCL

Proposition : Cas univarié
Soit (Xn )N une suite i.i.d. de v.a.r. de carré intégrable, d’espérance m et
de variance σ 2 > 0.
1 Si ∃ g une fonction dérivable de R dans R telle que g 0 (m) 6= 0,
q 
n
 
alors la suite des v.a.r. σ 2 [g 0 (m)]2
g (X n ) − g (m) converge en loi
N∗
vers la loi N (0 , 1).

Proposition : Cas multivarié

Soit (Xn )N une suite i.i.d. de vecteurs aléatoires réels de dimension d, de
carré intégrable, d’espérance m ∈ Rd et de matrice de dispersion Σ.
1 Si ∃ g une fonction différentiable de Rd dans Rs ,
√  

alors la suite des v.a.r. n g (X n ) − g (m) N∗ converge en loi vers la loi
Ns (0 , Dg (m)ΣDg (m)t ), où Dg (m) est la matrice jacobienne de g en m.
Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 18 / 21
 Quelques applications des théorèmes fondamentaux

Proposition : Approximation d’une loi binomiale par une loi normale

Si p ∈]0, 1[ et, 
∀n ≥ 1, Zn est une v.a.r.
 de loi binomiale B(n, p), alors la
1
suite des v.a.r. √ [Zn − np] converge en loi vers la loi N (0 , 1)
np(1−p)
N∗

Proposition : Approximation d’une loi de Poisson par une loi normale

 ∀n ≥ 1, Zn est
Si α > 0 et,  une v.a.r. de loi de Poisson P(α), alors la suite
1
des v.a.r. √nα [Zn − nα] ∗ converge en loi vers la loi N (0 , 1)
N

Proposition : Approximation d’une loi binomiale par une loi de Poisson

Soit α > 0. Si (pn )N est une suite de réels de ]0, 1[ telle que
limn→+∞ (npn ) = α et, ∀n ≥ 1, Zn est une v.a.r. de loi binomiale B(n, pn ),
alors la suite des v.a.r. (Zn )N∗ converge en loi vers la loi P(α)

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 19 / 21

 Quelques applications des théorèmes fondamentaux

Proposition : Approximation d’une loi binomiale par une loi normale

Si p ∈]0, 1[ et, 
∀n ≥ 1, Zn est une v.a.r.
 de loi binomiale B(n, p), alors la
1
suite des v.a.r. √ [Zn − np] converge en loi vers la loi N (0 , 1)
np(1−p)
N∗

Proposition : Approximation d’une loi de Poisson par une loi normale

 ∀n ≥ 1, Zn est
Si α > 0 et,  une v.a.r. de loi de Poisson P(α), alors la suite
1
des v.a.r. √nα [Zn − nα] ∗ converge en loi vers la loi N (0 , 1)
N

Proposition : Approximation d’une loi binomiale par une loi de Poisson

Soit α > 0. Si (pn )N est une suite de réels de ]0, 1[ telle que
limn→+∞ (npn ) = α et, ∀n ≥ 1, Zn est une v.a.r. de loi binomiale B(n, pn ),
alors la suite des v.a.r. (Zn )N∗ converge en loi vers la loi P(α)

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 19 / 21

 Quelques applications des théorèmes fondamentaux

Proposition : Approximation d’une loi binomiale par une loi normale

Si p ∈]0, 1[ et, 
∀n ≥ 1, Zn est une v.a.r.
 de loi binomiale B(n, p), alors la
1
suite des v.a.r. √ [Zn − np] converge en loi vers la loi N (0 , 1)
np(1−p)
N∗

Proposition : Approximation d’une loi de Poisson par une loi normale

 ∀n ≥ 1, Zn est
Si α > 0 et,  une v.a.r. de loi de Poisson P(α), alors la suite
1
des v.a.r. √nα [Zn − nα] ∗ converge en loi vers la loi N (0 , 1)
N

Proposition : Approximation d’une loi binomiale par une loi de Poisson

Soit α > 0. Si (pn )N est une suite de réels de ]0, 1[ telle que
limn→+∞ (npn ) = α et, ∀n ≥ 1, Zn est une v.a.r. de loi binomiale B(n, pn ),
alors la suite des v.a.r. (Zn )N∗ converge en loi vers la loi P(α)

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 19 / 21

 Quelques applications des théorèmes fondamentaux

Proposition : Approximation d’une loi binomiale par une loi normale

Si p ∈]0, 1[ et, 
∀n ≥ 1, Zn est une v.a.r.
 de loi binomiale B(n, p), alors la
1
suite des v.a.r. √ [Zn − np] converge en loi vers la loi N (0 , 1)
np(1−p)
N∗

Proposition : Approximation d’une loi de Poisson par une loi normale

 ∀n ≥ 1, Zn est
Si α > 0 et,  une v.a.r. de loi de Poisson P(α), alors la suite
1
des v.a.r. √nα [Zn − nα] ∗ converge en loi vers la loi N (0 , 1)
N

Proposition : Approximation d’une loi binomiale par une loi de Poisson

Soit α > 0. Si (pn )N est une suite de réels de ]0, 1[ telle que
limn→+∞ (npn ) = α et, ∀n ≥ 1, Zn est une v.a.r. de loi binomiale B(n, pn ),
alors la suite des v.a.r. (Zn )N∗ converge en loi vers la loi P(α)

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 19 / 21

 Quelques applications des théorèmes fondamentaux

Proposition : Approximation d’une loi de Khi 2 par une loi normale

Si√∀n ≥ 1,√Zn est une 2

v.a.r. de loi de Khi 2 χ (n), alors la suite des v.a.r.
2Zn − 2n − 1 N∗ converge en loi vers la loi N (0 , 1). (n ≥ 30)

Proposition : Approximation d’une loi de Student par une loi normale

Si ∀n ≥ 1, Tn est une v.a.r. de loi de Student t(n), alors la suite des v.a.r.
(Zn )N∗ converge en loi vers la loi N (0 , 1). (n ≥ 30)

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 20 / 21

 Quelques applications des théorèmes fondamentaux

Proposition : Approximation d’une loi de Khi 2 par une loi normale

Si√∀n ≥ 1,√Zn est une 2

v.a.r. de loi de Khi 2 χ (n), alors la suite des v.a.r.
2Zn − 2n − 1 N∗ converge en loi vers la loi N (0 , 1). (n ≥ 30)

Proposition : Approximation d’une loi de Student par une loi normale

Si ∀n ≥ 1, Tn est une v.a.r. de loi de Student t(n), alors la suite des v.a.r.
(Zn )N∗ converge en loi vers la loi N (0 , 1). (n ≥ 30)

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 20 / 21

 Quelques applications des théorèmes fondamentaux

Proposition : Approximation d’une loi de Khi 2 par une loi normale

Si√∀n ≥ 1,√Zn est une 2

v.a.r. de loi de Khi 2 χ (n), alors la suite des v.a.r.
2Zn − 2n − 1 N∗ converge en loi vers la loi N (0 , 1). (n ≥ 30)

Proposition : Approximation d’une loi de Student par une loi normale

Si ∀n ≥ 1, Tn est une v.a.r. de loi de Student t(n), alors la suite des v.a.r.
(Zn )N∗ converge en loi vers la loi N (0 , 1). (n ≥ 30)

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 20 / 21

 MERCI DE VOTRE AIMABLE
ATTENTION

Boris BAFFO (ENSEA) THEORIE DES PROBABILITES 13 juin 2019 21 / 21