Académique Documents
Professionnel Documents
Culture Documents
Convergences stochastiques
Abdellah Zaaloul
F.S.J.E.S Ait Meloul ,
Année universitaire 2019-2020.
Module:Echantillonnage et Estimation
Approximations des lois
1. Approximation d’une loi hypergéométrique par une la loi
binomiale
2. Approximation de la loi binomiale par la loi de Poisson
3. Approximation de la loi binomiale par la loi normale
4. Approximation de la loi de Poisson par la normale
Convergences stochastiques
1. Convergences en Probabilité
2. Convergences en loi
3. Convergences en moyenne d’ordre k
4. Convergences presque sure
5. Loi faible des grandes nombres
6. Théorème de la limite centrale
Approximation d’une loi hypergéométrique par une la loi
binomiale:
Exemple:
Dans une population de 1 000 hommes adultes, 50 ont un poids
supérieur à 120 kg. On considère un échantillon de taille 100 et soit
X la variable aléatoire « nombre d’individus ayant un poids
supérieur à 120 kg » dans cet échantillon.
-La loi suivie par cette variable est la loi hypergéométrique de
paramètres:
50
N = 1000, n=100 et p = 1000 = 0, 05:
K C 100−k
C50 950
P(X = k) = 100
; 0 ≤ k ≤ 50
C1000
E(X ) = 5 et V (X ) = 4, 25
Approximation d’une loi hypergéométrique par une la loi
binomiale:
Exemple suit:
- La taille de l’échantillon (100) est égale à 1 000/10. On peut
donc utiliser l’approximation par la loi binomiale de paramètres :
n = 100 et p = 0,05:
k
P(X = k) = C100 (0, 05)k (0, 95)100−k ; 0 ≤ k ≤ 100
E(X ) = 5 et V (X ) = 4, 25
Approximations de la loi binomiale:
λk
P(X = k) = Cnk p k (1 − p)n−k ≈ e −λ
k!
dont le paramètre λ est défini par: λ = np.
Approximation de la loi binomiale par la loi de Poisson
Exemple:
La probabilité pour qu’une machine produise une pièce défectueuse
est égale à 0,01. La machine a produit 300 pièces.
Donner la probabilité de reconnaître 2 pièces défectueuses dans
cette production.
e −3 .32 0, 0489.9
P(X = 2) = = = 0, 2241
2! 2!
I Cet exemple a été donné pour permettre uniquement la
comparaison. Mais, il ne montre pas la nécessité d’un recours
aux approximations.
Approximation de la loi binomiale par la loi de Poisson
1 1 k−np 2
{− 1 ( √ ) }
P(X = k) = Cnk p k q n−k ≈ √ . √ .e 2 npq
2π npq
I La quantité t = k−np
√
npq suit une loi normale centrée réduite.
Approximation de la loi binomiale par la loi normale:
Exemple:
I Étudions la probabilité d’obtenir 5 fois pile en 20 parties de
pile ou face:
- Par la loi binomiale
- Par son approximation par la loi normale.
5 ( 1 )5 ( 1 )15
P(X = 5) = C20 2 2
20! 1 1
= 5!.15! . 25 . 215
P(X = 5) ≈ 1, 48%
Approximation de la loi binomiale par la loi normale:
20. 2 . 2
−5 2
{− 12 ( √ ) }
P(X = 5) = √1 . √1 .e 5
2π 5
1
= √ 1 .e {− 2 .5}
10π
P(X = 5) = 1, 46%
On voit sur cet exemple, que pour n=20, l’approximation est très
bonne.
Approximation de la loi de Poisson par la loi normale:
Exemple:
Une usine fabrique 400 lampes electriques a l’heure. On admet que
le nombre X de lampes défectueuses produites en une heure suit
une loi de Poisson de paramètre λ.
1. On suppose que λ = 15. Calculer P(X > 15).
2. Calculer cette meme probabilité par son approximation par la
loi normale.
Approximation de la loi de Poisson par la loi normale:
= 1 − P(0 ≤ X ≤ 15)
P15 e −15 (15)k
=1− k=0 k! .
La table de la loi de Poisson non donne :
15
X e −15 (15)k
' 0, 568
k!
k=0
2.
= 1 − P( X√−15
15
≤ 15−15
√
15
).
1. Convergences en Probabilité
2. Convergences en loi
3. Convergences en moyenne d’ordre k
4. Convergences presque sure
5. Loi faible des grandes nombres
6. Théorème de la limite centrale
Convergence en probabilité:
On écrit alors:
Xn −→p X
Convergence en loi:
lim E(|Xn − X |k ) = 0
n→+∞
P( lim (Xn − X ) = 0) = 1
n→+∞
On ecrit alors:
Xn −→p.s X
Loi faible des grands nombres:
Théorème 1:
Soit une suite de n expériences de Bernoulli et soit X la variable
aléatoire égale au nombre de succès au cours de ces n expériences.
Alors,
X
∀ε > 0, lim P(| − p| < ε) = 1
n→+∞ n
où p est la probabilité de succès.
Loi faible des grands nombres:
Démonstration du théorème 1:
On sait que X → B(n, p) Donc :
p(1 − p)
E(f ) = p et V (f ) =
n
En utilisant l’inégalité de Bienaymé-Tchebychev, on a:
p(1 − p)
P(|f − p| ≥ ε) ≤
nε2
Loi faible des grands nombres:
Théorème 2:
Soit une suite de X1 , X2 , ..., Xn , .. de variables aleatoires
independantes suivant la meme loi avec :
Alors,
Sn
∀ε > 0, lim P(| − µ| < ε) = 1
n→+∞ n
ou Sn = X1 + X2 + .... + Xn
Théorème de la limite centrale:
Sn − nµ
lim ( √ ≤ x) = Φ(x)
n→∞ σ n
Exemple:
I On jette 15 fois une pièce de monnaie.
Trouver la probabilité d’obtenir un nombre de faces compris
entre 6 et 11.
I En notant par X la v.a. égale au nombre de faces obtenu au
cours des 15 jets, l’utilisation de la loi binomiale donne:
11
k 1 k 1 15−k
X
P(6 ≤ X ≤ 11) = C15 ( ) ( ) = 0, 8315 ' O, 83
2 2
k=6
Théorème de la limite centrale:
Exemple:
I On peut resoudre ce probleme en utilisant une approximation
de la loi binomiale par une loi normale.
I On sait que la loi binomiale est discrete alors que la loi
normale est continue ! Donc, si on suppose que la variable est
continue, il faut tenir compte du fait que (X = 3) devient
(2, 5 ≤ X < 3, 5) et, par suite, dans ce probleme, on doit
chercher P(5, 5 ≤ X < 11, 5).
I La v.a. X suit une loi binomiale; elle peut donc etre consideree
comme la somme de n = 15 v.a. suivant toutes une loi de
Bernoulli de meme parametre p. On a donc:
Théorème de la limite centrale:
Exemple:
X = X1 + X2 + .... + X15 , et en posant X = S15 , avec:
11 √
r
1 √ p √
nµ = np = 15. = 7, 5 et σ n = p(1 − p) n = 15 = 1, 94
2 22
(car E(Xi ) = p et V (Xi ) = p(1 − p)) , on obtient:
Sn −7,5
P(5, 5 ≤ X < 11, 5) = P( 5,5−7,5
1,94 ≤ 1,94 < 11,5−7,5
1,94 )
X − np L
√ −−−−→ Z ou Z → N(0, 1)
npq n→+∞
b) Si X → P(λ), alors:
X −λ L
√ −−−−→ Z ou Z → N(0, 1)
λ n→+∞
Théorème de la limite centrale: Cas particuliers
Démonstrations:
I Le premier résultat (a) s’appelle ( théorème de De
Moivre-Laplace ).
I La preuve de (a) et de (b) résulte du théorème de la limite
centrale et de la propriété d’additivité des lois binomiale et de
Poisson (une somme des lois binomiales est une binomiale et,
de même, la somme des lois de Poisson est une loi de Poisson
dont les paramètres sont les sommes des paramètres des lois
que l’on somme).