Vous êtes sur la page 1sur 19

Convergence de suites de variables aléatoires II

Skander HACHICHA

skander.hachicha@enit.utm.tn

Université de Tunis El Manar


Ecole nationale d’ingénieurs de Tunis

Convergence de suites de variables


Skander HACHICHA 1 / 19 1 / 19
Convergence en loi

Définition
Soient (Xn )n∈N une suite de variables aléatoires réelles et (Fn )n∈N
la suite de fonction de répartition correspondantes. On dit que la
suite (Xn )n∈N converge en loi vers la variable aléatoire X de
loi
fonction de répartition F , et on écrit Xn → X, si en tout point x de
continuité de F , on a

lim Fn (x) = F (x).


n→+∞

Convergence de suites de variables


Skander HACHICHA 2 / 19 2 / 19
Convergence en loi
Si une telle limite est prouvée, on utilisera ce résultat pour considérer
que, si n est "assez grand" (tout dépend de la précision voulue), on
peut remplacer la fonction de répartition Fn de la variable aléatoire
Xn par la fonction de répartition F jugée plus simple ou de calculs
plus faciles. La loi limite qui va jouer le plus grand rôle, tant du point
de vue théorique que pratique, est la loi normale centrée réduite qui a
une fonction de répartition FN (0,1) continue sur R mais dont l’écriture
n’est que sous forme intégrale
1
Z x t2
FN (0,1) (x) = √ e− 2 dt.
2π −∞

Pour avoir la convergence en loi vers la loi normale centrée réduite


d’une suite de variables aléatoires (Xn )n≥1 , il suffit que pour tout
intervalle [a, b],

lim P(a < Xn ≤ b) = FN (0,1) (b) − FN (0,1) (a).


n→+∞

Convergence de suites de variables


Skander HACHICHA 3 / 19 3 / 19
Convergence en loi

Remarque
La convergence en loi ne peut impliquer aucun autre type de
convergence, car elle ne concerne que les lois.
Pour une suite (Xn )n∈N de variables aléatoires discrètes, la
convergence en loi vers une variable discrète s’exprime par
limn→+∞ P(Xn = x) = P(X = x).
C’est ainsi qu’on a établit la convergence de la loi Binomiale vers la
loi de Poisson.
Une suite de variables aléatoires discrètes peut ce pendant converger
en loi vers une variable aléatoire absolument continue.

Convergence de suites de variables


Skander HACHICHA 4 / 19 4 / 19
Convergence en loi

Remarque
Soit (Xn )n∈N une suite de variables aléatoires absolument continue
dont (fn )n∈N est la suite de densité correspondantes et X une
variable aléatoire de densité f , alors
loi
Xn → X, si et seulement si lim fn (x) = f (x).
n→+∞

Convergence de suites de variables


Skander HACHICHA 5 / 19 5 / 19
Convergence en loi

Proposition
Soient (Xn )n∈N une suite de variables aléatoires réelles définie et f
une fonction continue de Rd dans R.
loi loi
1 Si Xn → X, alors f (Xn ) → f (X).
P loi
2 Si Xn → X, alors Xn → X.

Convergence de suites de variables


Skander HACHICHA 6 / 19 6 / 19
Convergence en loi
Convergence en loi d’une suite à valeurs entières

Proposition
Soient (Xn )n∈N une suite de variables aléatoires à valeurs entières et
X une variable aléatoire à valeurs dans N.
Les assertions suivantes sont équivalentes
(i) Xn converge en loi vers X.
(ii) Pour chaque k ∈ N, on a limn→+∞ P(Xn = k) = P(X = k).
(iii) GXn converge simplement vers GX sur [0, 1] (où GY est la
fonction génératrice de la variable aléatoire Y ).

Convergence de suites de variables


Skander HACHICHA 7 / 19 7 / 19
Convergence en loi

Exemple
Soit (Xn )n∈N une suite de variables aléatoires. Pour tout n ∈ N∗ la
variable Xn suit la loi Binomiale B(m, pn ) telle que
limn→+∞ pn = p.
Soit X une variable aléatoire de loi de B(m, p).
Pour tout k ∈ {0, · · · , m}, on a
k k
lim P(Xn = k) = lim Cm pn (1 − pn )m−k
n→+∞ n→+∞

k k
= Cm p (1 − p)m−k = P(X = k).
et par suite Xn converge en loi vers X.

Convergence de suites de variables


Skander HACHICHA 8 / 19 8 / 19
Convergence en loi

Exemple
Soit (Xn )n∈N une suite de variables aléatoires. Pour tout n ∈ N∗ la
variable Xn suit la loi Poisson P(θn ) telle que limn→+∞ θn = θ.
Soit X une variable aléatoire de loi Poisson P(θ).
On a alors

lim GXn (s) = lim eθn (s−1) = eθ(s−1) = GX (s)


n→+∞ n→+∞

et par suite Xn converge en loi vers X.

Convergence de suites de variables


Skander HACHICHA 9 / 19 9 / 19
Convergence en loi
Convergence en loi et fonction caractéristique

Proposition
Soient (Xn )n∈N une suite de variables aléatoires et X une variable
aléatoire.
Les assertions suivantes sont équivalentes
(i) Xn converge en loi vers X.
(ii) ΦXn converge simplement vers ΦX (où ΦY est la fonction
caractéristique de la variable aléatoire Y ).

Convergence de suites de variables


Skander HACHICHA 10 / 19 10 / 19
Convergence en loi

Exemple
Soit (Xn )n∈N une suite de variables aléatoires. Pour tout n ∈ N∗ la
variable Xn suit la loi normale N (mn , σn ) telle que
limn→+∞ mn = m et
limn→+∞ σn = σ > 0.
Soit X une variable aléatoire de loi normale N (m, σ).
On a alors
t2 σn
2
t2 σ 2
lim ΦXn (t) = lim eitmn − 2 = eitm− 2 = ΦX (t)
n→+∞ n→+∞

et par suite Xn converge en loi vers X.

Convergence de suites de variables


Skander HACHICHA 11 / 19 11 / 19
Convergence en loi

Exemple
La suite (Xn )n∈N∗ , où Xn est de loi uniforme sur {0, n1 , · · · , n−1
n },
converge en loi vers U[0,1] .
Il suffit d’appliquer somme de Reimann.

Convergence de suites de variables


Skander HACHICHA 12 / 19 12 / 19
Convergence en loi

Exercice
Soit (Xn )n∈N une suite de variables aléatoires de loi exponentielle de
paramétre λn . Étudier la convergence en loi dans les trois cas
suivants :
1 limn→+∞ λn = λ ∈]0, +∞[, (Xn )n∈N converge en loi vers
E(λ) convergence dominée.
2 limn→+∞ λn = +∞, (Xn )n∈N converge en loi vers X = 0
(changement de variable et convergence dominée).
3 limn→+∞ λn = 0, on supoose qu’il ya convergence en loi alors
ΦXn (t) → ΦX (t), ∀t ∈ R, or
limn→+∞ ΦXn (t) = limn→+∞ λnλ−it n
= 1{t=0} n’est pas
continue en 0. ce n’est pas donc une fonction caractéristique
d’une variable aléatoire pas de convergence en loi.
On peut utiliser les fonctions de répartitions.

Convergence de suites de variables


Skander HACHICHA 13 / 19 13 / 19
Convergence en loi

Remarque
Si (Xn )n∈N converge en loi vers X et (Yn )n∈N converge en loi vers Y
ceci n’implique pas que (Xn + Yn )n∈N converge en loi vers X + Y et
((Xn , Yn ))n∈N converge en loi vers (X, Y ).
Exemple
Soit X = N (0, 1), ∀n ∈ N, on pose Xn = X et Yn = (−1)n X,
comme £(X) = £(−X) donc les lois de Xn et de Yn sont
indépendantes de n, il s’agit de la loi N (0, 1). En revanche
X2n + Y2n = 2X et X2n+1 + Y2n+1 = 0. La suite (Xn + Yn )n∈N ne
converge pas donc en loi. En utilisant les fonctions caractéristiques,
on vérifie facilement que l’on n’a pas non plus la convergence en loi
de la suite ((Xn , Yn ))n∈N .

La convergence en loi n’est pas une convergence d’espace vectoriel.

Convergence de suites de variables


Skander HACHICHA 14 / 19 14 / 19
Le théorème limite centrale

Théorème
Soit (Xn )n∈N une suite de variables aléatoires réelles indépendantes
et de même loi admettant un moment d’ordre 2, et on note
m = E(Xn ) et σ 2 = V(Xn ) > 0, alors les variables aléatoires

(X1 + · · · + Xn ) − nm

σ n

converge en loi vers une variable aléatoire U de loi N (0, 1), ou


encore pour tout x ∈ R,

(X1 + · · · + Xn ) − nm 1
 Z x t2
lim P √ ≤x = √ e− 2 dt.
n→+∞ σ n 2π −∞

Ce résultat général justifie la place privilégiée qu’occupe la loi


normale en calcul des probabilité et en statistique.
Convergence de suites de variables
Skander HACHICHA 15 / 19 15 / 19
Le théorème limite centrale

Remarque
Pour tout x ∈ R, on a
X1 + · · · + Xn

σ

1
Z x t2
lim P − m ≤ x√ =√ e− 2 dt.
n→+∞ n n 2π −∞

Convergence de suites de variables


Skander HACHICHA 16 / 19 16 / 19
Le théorème limite centrale

Exemple
Suite à l’annulation d’un match de football, un guichet procède à
certaines heures au remboursement des places. Le prix moyen dune
place est de 5D avec un écart type de 3D . Quelle est la probabilité
pour qu’à une heure donnée, le guichet disposant de 650D puisse
rembourser les 120 personnes qui s’y présentent.
Pour tout i ∈ {1, · · · , 120}, soit Xi = "le montant à rembourser
d’une place de la ième personne. Alors les Xi sont indépendantes et
de même loi avec E(Xi ) = 5D et σXi = 3D . Soit Y = 120
P
i=1 Xi le
montant à rembourser, alors
Y − 120 × 5 650 − 120 × 5
 
P(Y ≤ 650) = P √ ≤ √
3 120 3 120
650 − 120 × 5
 
≃ FN (0,1) √ .
3 120
Convergence de suites de variables
Skander HACHICHA 17 / 19 17 / 19
Approximations de lois de probabilité
Application du théorème central limite

La grande utilité du théorème central limite réside dans le fait qu’il


permet de calculer simplement des valeurs approchées des
probabilités du type
n
!
X
P Xk ∈ [a, b]
k=1

où (Xn )n∈N est une suite de variables aléatoires réelles indépendantes


et de même loi admettant un moment d’ordre 2. Ainsi
1
( nk=1 Xk − nm) suit approximativement une loi normale
P
1 √
σ n
N (0, 1).
Pn 2
k=1 Xk suit approximativement une loi normale N (nm, nσ ).
2

1 Pn σ2
k=1 Xk suit approximativement une loi normale N (m, n ).
3
n

Convergence de suites de variables


Skander HACHICHA 18 / 19 18 / 19
Merci

Convergence de suites de variables


Skander HACHICHA 19 / 19 19 / 19