probabilitéé et

probabilit et statistique
statistique

Kossi Essona GNEYOU 1

19 juillet 2021

1. UL-FDS, Département de Mathématiques, Lomé - Togo, e-mail: kgneyou@univ-lome.tg

K.E. Gneyou, UL-FDS, 2019/2020 2
 Table des matières

4 Suite de variables aléatoires réelles - Convergence 7

4.1 Suite de variables aléatoires réelles - Généralités . . . . . . . . . . . . . . . . . . . . 7
4.2 Inégalités fondamentales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
4.3 Loi des grands nombres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4.4 Le théorème central limite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4.5 Approximations usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

3
 TABLE DES MATIÈRES TABLE DES MATIÈRES

K.E. Gneyou, UL-FDS, 2019/2020 4

Introduction

Dans ce chapitre nous décrivons les différents modes de convergence d’une suite ou série de
variables aléatoires réelles. Quelques inégalités sont établies et des résultats importants sont énoncés
sans démonstration. Il s’agit en particulier de la loi des grands nombres et du théorème centrale limite.

5
 TABLE DES MATIÈRES TABLE DES MATIÈRES

K.E. Gneyou, UL-FDS, 2019/2020 6

Chapitre 4

Suite de variables aléatoires réelles -

Convergence

4.1 Suite de variables aléatoires réelles - Généralités

Définition 4.1.1 Soit X1 , · · · , Xn une suite de variables aléatoires réelles définies sur un espace pro-
babilisé (Ω, A , P) et X une variable aléatoire réelle. On dit que (Xn ) tend vers X :
P
1) en probabilité et on note Xn −−−→ X si et seulement si ∀ε > 0,
  n→∞
lim P |Xn − X| > ε = 0.
n→∞
p.s.
2) presque sûrement et on note Xn −−−→ X si et seulement si ∀ε > 0,
  n→∞
P lim sup |Xn − X| > ε = 0.
n→∞
L
3) en loi et on note Xn −−−→ X si et seulement si ∀x ∈ R telle que P[X = x] = 0,
n→∞
lim P[Xn 6 x] = P[X 6 x].
n→∞
Lp
4) en moyenne d’ordre p et on note Xn −−−→ X si et seulement si

n→∞
lim E |Xn − X| p = 0.
n→∞

4.2 Inégalités fondamentales

Soit X une variable aléatoire réelle. On a les inégalités suivantes :
1) Inégalité de Markov : Si E(|X| p ) existe (p > 1) alors, ∀ε > 0,
1
P[|X| > ε] 6 p E(|X| p ).
ε
2) Inégalité de Bienamey-Tchebichev : Si Var(X) existe alors ∀ε > 0,
Var(X)
P[|X − E(X)| > ε] 6 .
ε2
Théorème 4.1 (CS)
P
Une condition suffisante pour que Xn → m ∈ R est que
E(Xn ) −−−→ m et Var(Xn ) −−−→ 0.
n→∞ n→∞

Démonstration
|Xn − m| 6 |Xn − E(Xn )| + |E(Xn ) − m| donc
| {z }
δn

7
CHAPITRE 4. SUITE DE VARIABLES ALÉATOIRES RÉELLES - CONVERGENCE 4.3. LOI DES GRANDS NOMBRES

Var(Xn )
P[|Xn − m| > ε] 6 P[|Xn − E(Xn )| > ε − δn ] 6 −→ 0 quand n → +∞. 
(ε − δn )2

4.3 Loi des grands nombres

Théorème 4.2
Soit X1 , . . . , Xn une suite de variables aléatoires réelles indépendantes et de même loi telle que m =
E(X1 ) et σ2 = Var(X1 ) existent. Soit S n = X1 + X2 + · · · + Xn . Alors lorsque n tend vers +∞
Sn P
1) −−−→ m (Loi faible des grands nombres LfGN).
n n→∞
S n p.s.
2) −−−→ m (Loi forte des grands nombres LFGN).
n n→∞

Exemple 4.1 (d’utilisation)

On utilise un dé cubique parfait. Combien de lancers faut-t-il effectuer pour pouvoir affirmer avec un
risque d’erreur inférieur à α = 5% que la fréquence d’apparition de la face numérotée 3 au cours de
ces lancers différera de 61 d’au plus 100
1
?

Solution : Soit n le nombre de lancers à effectuer et X la v.a. égale au nombre de fois que 3 est
X
apparu. F = est la fréquence d’apparition de 3 au cours des n lancers. On cherche n tel que
h ni h i
1
P |F − 61 | > 100 1
6 α soit P |F − 16 | 6 100 > 1 − α = 95%.
1 n 5n 1
Or X { B(n, p) où p = P{3} = , E(X) = et Var(X) = . On en déduit que E(F) = et
6 6 36 6
5 h i Var(F)
Var(X) = . D’après l’inégalité de Biennamey-Tchebichev on a P |F − 61 | > 100 1
6  2 =
36n 1
100
5.104
.
36n
5.104
Il suffit donc de choisir n tel que 6 α soit n > 27.778.
36n

Remarque 4.1
On peut écrire X = ξ1 + ξ2 + · · · + ξn = S n avec ξ1 , · · · , ξn indépendantes et de même loi B(1, p). On a
X Sn P
donc bien F = n
= n
−→ m = E(ξ1 ) = p (d’après la LfGN). ce qui justifie l’approximation F ≃ p.

4.4 Le théorème central limite

Théorème 4.3 (TCL)
Soit X1 , . . . , Xn une suite de v.a.r. indépendantes et de même loi d’espérance m et d’écart-type σ.
X1 + · · · + Xn
Posons X n = .
√ n
n(X n − m) L
Alors −−−→ N (0, 1).
σ n→∞

√
n(X n − m)
En pratique on fait l’approximation ≃ N (0, 1) dès que n > 30.
σ

K.E. Gneyou, UL-FDS, 2019/2020 8

CHAPITRE 4. SUITE DE VARIABLES ALÉATOIRES RÉELLES - CONVERGENCE 4.5. APPROXIMATIONS USUELLES

4.5 Approximations usuelles

1) Approximation de la loi binomiale par la loi de Poisson
On montre théoriquement que pour n assez grand (en pratique n > 30), la loi binomiale B(n, p)
peut être approximée par la loi de Poisson de paramètre np : P(np).
validité de l’approximation : 0 < p 6 0.1, n > 30 et np < 15, npq ≤ 5.
Exemple 4.2
2
Soit X { B(40, 0.03). On a P[X = 2] = C40 (0.03)2 (0.97)38 # 0.2206.
Par l’approximation, B(40, 0.03) ≃ P(40 × 0.03) = P(1.2).
(1.2)2
On a, si Y { P(1.2), P[X = 2] ≃ P[Y = 2] = e−1.2 # 0.2169 ≃ 0.12.
2!
2) Approximation de la loi binomiale par la loi normale
√
On établit aussi que pour n assez grand la loi B(n, p) peut être approximée par la loi N (np, npq),
valable si n > 30, np > 15 et npq > 5.
√
Correction de continuité : Vu que B(n, p) est discrète et N (np, npq) est continue, on a, en notant
√
F la fonction de répartition de la loi N (np, npq) :
P[X = k] = P[k − 0.5 < X 6 k + 0.5] = F(k + 0.5) − F(k − 0.5) (car les décimaux qui s’arrondissent
à l’entier k sont ceux de l’intervalle [k − 0.5, k + 0.5])
P[X = 0] = P[X < 0.5] = F(0.5)
P[X = n] = P[X > n − 0.5] = 1 − F(n − 0.5).
Exemple 4.3 √
Soit X { B(40, 0.5). On peut faire l’approximation B(40, 0.5) ≃ N (20, 10). D’où
 20.5 − 20   19.5 − 20   0.5 
P[X = 20] = F(20.5)−F(19.5) = Φ √ − √ = 2Φ √ −1 ≃ 2Φ(0.16)−1 ≃ 0.1272
10 10 10
|{z}
0.158
20
Un calcul direct donne P[X = 20] = C40 (0.5)20 (0.5)20 # 0.1254.
Remarque 4.2
On a par interpolation linéaire entre les points A(0.15, Φ(0.15)), M(0.158, Φ(0.158)) et B(0.16, Φ(0.16)) :
Φ(0.16) − Φ(0.15)
Φ(0.16) = Φ(0.158) + .(0.158 − 0.15) soit
0.16 − 0.15
0.8770
z }| { 0.008
Φ(0.158) = Φ(0.16) − .(Φ(0.16) − Φ(0.15)). (c’est plus précis que Φ(0.16) utilisé précédem-
0.001 | {z } | {z }
0.8770 0.8749
ment).
De même P[17 6 X < 25] = F(24.5) − F(16.5) = Φ( √4.510 ) − Φ( −3.5
√ )
10
   
= Φ √4.510 + Φ √3.510 − 1 = Φ(1.42) + Φ(1.11) − 1
= 0.9222 + 0.8665 − 1 ≃ 0.7887.
3) Approximation de la loi de Poisson par la loi normale √
La loi de Poisson P(λ) peut être approchée par la loi normale N (λ, λ) si λ > 15.
Exemple 4.4
Soit X { P(16). Les calculs des probabilités concernant X peuvent être effectués en utilisant la
loi normale N (16, 4) car 16 > 15.    
e.g. P[X = 16] = F(16.5) − F(15.5) = Φ 0.5
4
− Φ −0.5
4
= 2Φ(0.125) − 1 # 0.0995.
Calcul direct :
e−16 1616
P[X = 16] = # 0.0992.
16!

9 K.E. Gneyou, UL-FDS, 2019/2020

CHAPITRE 4. SUITE DE VARIABLES ALÉATOIRES RÉELLES - CONVERGENCE 4.6. EXERCICES

4.6 Exercices
Exo1 : Nous admettrons qu’un poste téléviseur peut tomber en panne de deux manières indépen-
dantes : par défaillance du transistor ou par défaillance du condensateur. L’exploitation des statis-
tiques de pannes pendant les trois premières années d’utilisation a conduit à retenir :
- une loi de poisson de paramètre λ = 2 comme loi de probabilité de la v.a. X égale au nombre de
pannes dues à une défaillance du transistor ;
- une loi de poisson de paramètre λ = 1 comme loi de probabilité de la v.a. Y égale au nombre de
pannes dues à une défaillance du condensateur.
a) Calculer la probabilité pour qu’il y ait 2 pannes seulement en trois ans : une de transistor et une de
condensateur. Calculer la probabilité pour qu’il ait 2 pannes seulement en trois ans.
b) Trouver la loi de probabilité du nombre total de pannes Z = X + Y.
c) Déduire de ce résultat : c1 ) la probabilité d’avoir au moins une panne en trois années, c2 ) la proba-
bilité d’avoir au moins 2 pannes en trois années.

Exo2 : On jette 10 pièces de monnaies truquées de telle sorte que pour chacune d’elle, la probabilité
d’obtenir "pile" soit 0,3. Soit X la v.a. égale au nombre de "piles" obtenus au cours de ce lancer.
a) Loi de X, E(X) et Var(X) ?
b) Probabilité d’obtenir 3 "piles" ? moins de 3 "piles" ?
c) Probabilité que l’on ait obtenu plus de 3 piles sachant que l’on a obtenu au plus 5 "piles" ?

Exo3 : Dans une loterie il y a 100 billets de 500F et 2 lots : l’un de 5000F et l’autre de 10000F. Les
numéros des deux billets gagnants sont tirés au sort indépendamment l’un de l’autre (le même billet
peut donc gagner les deux lots). La somme d’argent gagnée (ou perdue) par une personne qui achète
un seul billet est une v.a. X. On représentera les pertes par des nombres négatifs : par exemple si la
personne ne gagne aucun lot, elle perd 500F, on aura alors X = −500. Calculer E(X).

Exo4 : Soit X une v.a. suivant la loi binomiale de paramètres n > 0 et p ∈]0, 1[. Calculer E[ 1+X
1
].

Exo5 : Soit f la fonction de R dans R définie par




 0 si | x |> 1

f (x) = 
 x + 1 si − 1 ≤ x ≤ 0 (4.1)

 −x + 1 si 0 ≤ x ≤ 1

1) Montrer que f est une densité de probabilité.

2) Soit X la v.a.r dont la loi a pour densité f . Déterminer la fonction de répartition de la v.a.r X.
3) calculer E(X) et Var(X).
4) Déterminer P[| X |> a]. Trouver les valeurs de a pour lesquelles P[| X |> a] < 6a12 .

Exo6 : Soit X une v.a.r suivant la loi N(8, 4). Calculer P[X < 7, 5], P[X > 8, 5],
P[6, 5 < X < 10] et P[X > 6|X > 5].

Exo7 : Soit X une v.a. suivant la loi N(0, 1) dont la fonction de répartition est notée Φ(x). Démontrer
que ∀ x ∈ R, Φ(x) ≥ 1 − 2x12 . On pourra appliquer l’inégalité de Bienamey-Tchebichev.
Exo8 : Sur la route nationale n°1 (la RN1), la proportion des gros camions par rapport à l’ensemble
des véhicules était de 7% en 2007.
a) Soit X le nombre de gros camions parmi 100 véhicules choisis au hasard. Calculer P[X ≥ 5].
b) Soit Y le nombre de gros camions parmi 1000 véhicules. Calculer P[65 ≤ Y ≤ 75].

K.E. Gneyou, UL-FDS, 2019/2020 10

CHAPITRE 4. SUITE DE VARIABLES ALÉATOIRES RÉELLES - CONVERGENCE 4.6. EXERCICES

c) On choisit n véhicules au hasard. Déterminer pour quelles valeurs de n on peut affirmer que la pro-
portion des gros camions parmi ces n véhicules est comprise entre 6% et 8% avec un risque d’erreur
inférieur à 5%.

Exo9 : Chaque année Monsieur taré effectue 2 fois par jour, 5 jours par semaine et pendant 46
semaines, un trajet en voiture dont la durée est une v.a.r X qui suit une loi d’espérance 45mn et
d’écart-type 10mn. On suppose que les durées des trajets sont mutuellement indépendantes. Quelle
est la probabilité pour que Mr taré passe au moins 350h dans sa voiture au cours de l’année ?

Exo10 : Une entreprise compte 300 employés. Chacun d’eux téléphone en moyenne 6mn par heure.
Quel est le nombre de lignes de téléphone que l’entreprise doit installer pour que la probabilité que
toutes les lignes soient occupées au même moment soit au plus égale à 2,5% ?

Exo11 : 500 étudiants d’une école d’ingénieur prennent leur repas de midi à la cantine de l’école.
Chaque étudiant choisit au hasard et indépendamment des autres l’une des 2 salles de réfectoire.
Chaque salle contient n places, 250 ≤ n ≤ 500. Déterminer la valeur minimale de n pour que la
probabilité que chaque étudiant trouve une place dans la salle de son choix soit supérieure à 99%.

Exo12 : Soit X une v.a.r suivant une loi de Poisson de paramètre θ = 40. Calculer P[30 < X < 40] et
P[X = 40].

Exo13 : Une société de location de voiture a calculé que la probabilité qu’une de ses voitures louée
ait un accident dans une journée est de 4 × 10−4 (la probabilité qu’une voiture louée ait plus d’un
accident par jour est supposée nulle). Les accidents sont supposés indépendants les uns des autres.
Chaque jour, 10.000 voitures de cette société sont en circulation. Soit N la v.a.r égale au nombre de
voitures de location de la société ayant un accident dans une journée.
1) Définir la loi de probabilité de la v.a.r N. Calculer E(N) et Var(N).
2) Montrer que la loi de N peut être approchée par une loi de Poisson dont on précisera le paramètre.
3) A l’aide de cette approximation, calculer les probabilités des événements suivants :
A="le nombre des accidents en une journée est 4" ; B="le nombre d’accidents en une journée est au
plus égal à 5 sachant qu’il est au moins égal à 2".
4) A l’aide de cette approximation, déterminer le plus petit entier k > 0 telle que
P[N > k] ≤ 0, 01.

Exo14 : Soit X et Y deux v.a.r indépendantes, toutes les deux suivant la loi uniforme sur l’intervalle
[−2, 1]. On considère la v.a.r T = inf(X, Y 2 ). Montrer que la loi de T est continue et déterminer sa
densité de probabilité.

11 K.E. Gneyou, UL-FDS, 2019/2020