Chapitre 3: Théorèmes fondamentaux

Said, El Melhaoui

Faculté des Sciences Juridiques, Economique et Sociales Oujda

Economie & Gestion/S2/Probabilités

http://elearning-ump.com/fsjeso/login/index.php

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 1 / 17

Outline

1 Théorèmes d’additions
Propriétés des opérateurs espérance et variance
Distribution d’addition des v.a. indépendantes

2 Théorèmes d’approximation (asymptotiques)

Loi des grands nombres
Théorèmes d’approximation en loi

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 2 / 17

 Théorèmes d’additions Propriétés des opérateurs espérance et variance

Propriétés des opérateurs espérance et variance

Théorème
Soit X et Y deux v.a. et a et b deux nombres réels, alors
1 E[aX + bY ] = aE[X ] + bE[Y ]
2 Var (aX ± bY ) = a2 Var (X ) + b2 Var (Y ) ± 2ab Cov (X , Y )
3 Si en plus, X et Y sont indépendantes, alors,

Var (X + Y ) = Var (X ) + Var (Y )

et
Var (X − Y ) = Var (X ) + Var (Y )
4 Cov (aX + b, Y ) = aCov (X , Y ), en particulier Cov (b, Y ) = 0

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 3 / 17

 Théorèmes d’additions Distribution d’addition des v.a. indépendantes

Distribution d’addition des v.a. indépendantes

Théorèmes d’addition
Soit X et Y deux v.a. indépendantes
1 Si X ∼ B(nX , p) et Y ∼ B(nY , p) alors X + Y ∼ B(nX + nY , p)
2 Si X ∼ P(λX ) et Y ∼ P(λY ) alors X + Y ∼ P(λX + λY )
3 Si X ∼ N (µX , σX2 ) et Y ∼ N (µY , σY2 ) alors

aX + bY ∼ N (aµX + bµY , a2 σX2 + b2 σY2 )

4 Si X ∼ χ2nX et Y ∼ χ2nY alors X + Y ∼ χ2nX +nY

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 4 / 17

 Théorèmes d’additions Distribution d’addition des v.a. indépendantes

Exemple B.

Une boulangerie possède deux points de vente, assez éloignées, A et

B. Soient XA et XB les nombres de pains vendus par jour par A et B
respectivement. Supposant que :

XA ∼ N (150, 252 ) et XB ∼ N (250, 502 )

1 Quelle est distribution du total des ventes?

2 Si la boulangerie produit 450 galettes de pains, quelle est la
probabilité que cela puisse être suffisant?
3 Quel est le nombre minimum de galettes de pains à produire pour
être confiant à 95% que la totalité de la demande seras satisfaite?

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 5 / 17

 Théorèmes d’additions Distribution d’addition des v.a. indépendantes

Exemple B. (suite)

1 Soit X le total des ventes de la boulangerie

X = XA + XB .
Les deux variables aléatoires X et Y sont indépendantes ; en
effet, vu l’éloignement des deux points de ventes
X ∼ N (150 + 250, 252 + 502 ) ⇒ X ∼ N (400, 3125)
2 La probabilité que la production satisfait la demande est
 
X − 400 450 − 400
P(X ≤ 450) = P √ ≤ √
3125 3125
 
50
= P Z ≤
55.9
= FZ (0.894)
≈ 81%.
S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 6 / 17
 Théorèmes d’approximation (asymptotiques) Loi des grands nombres

Inégalité de Markov

Théorème: Inégalité de Markov

Soit X une variable aléatoire réelle supposée presque sûrement
positive (P(X ≥ 0) = 1). Alors

E[X ]
∀α > 0, P(X > α) 6
α
Preuve: On suppose que X admet une densité de probabilité f , alors
on a l’inégalité
Z +∞
E(X ) = xf (x)dx
0
Z +∞
≥ αf (x)dx
α
= αP(X ≥ α).

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 7 / 17

 Théorèmes d’approximation (asymptotiques) Loi des grands nombres

Inégalité de Bienaymé-Tchebychev

Corollaire: Inégalité de Bienaymé-Tchebychev (IBT)

Si X est une variable aléatoire de moyenne µ et de variance finie
σ 2 < ∞ alors
1
∀k > 0 P(|X − µ| > k σ) ≤ 2
k
Preuve: Il suffit d’appliquer l’inégalité de Markov à la v.a. |X − µ|2 et
prendre α = (k σ)2 .
N. B. L’IBT permet de majorer d’une façon large la probabilité de
l’éloignement d’une v.a. quelconque de sa moyenne par un rayon
donné

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 8 / 17

 Théorèmes d’approximation (asymptotiques) Loi des grands nombres

Implications

Pour k = 1 on a P(|X − µ| > 1σ) ≤ 1 : aucun intérêt

Pour k = 2 on a P(|X − µ| > 2σ) ≤ 1/22 = 0.25 :
Moins de 25% des valeurs d’une v.a. sont loins de sa moyenne
plus de 2 écarts-type
Pour k = 3 on a P(|X − µ| > 2σ) ≤ 1/9 :
Moins de 11.11% des valeurs d’une v.a. sont loins de sa moyenne
plus de 3 écarts-type

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 9 / 17

 Théorèmes d’approximation (asymptotiques) Loi des grands nombres

Loi des grands nombres

Théorème : Loi des grands nombres

Soient X1 , . . . , Xn une suite de variables aléatoires indépendantes
identiquement distribuées (i.i.d.), d’espérance µ et de variance finie.
Désignons par X la moyenne empirique de l’échantillon :
n
1X
X = Xi
n
i=1

Alors X tend en probabilité vers µ lorsque n −→ +∞:

∀ε > 0, lim P(|X − µ| > ε) = 0.

n→+∞

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 10 / 17

 Théorèmes d’approximation (asymptotiques) Loi des grands nombres

Loi des grands nombres

Preuve: Remarquons que

X
E(X ) = E(Xi )/n = nµ/n = µ
i

et
X nσ 2 σ2
V (X ) = σX2 = V (Xi )/n2 = = .
n2 n
i
Soit ε > 0, posons k = ε/σX , l’inégalité IBT donne

σ 2 (X ) σ2 n
P(|X − µ| > ε) ≤ ≤ −→ 0.
ε2 nε2
N. B. Le fait que la moyenne empirique de l’échantillon X converge en
probabilité vers µ (la moyenne de X pratiquement inconnu) le favorise
pour être un estimateur qui se rapproche assez bien du paramètre µ
pour une taille de l’échantillon assez grande
S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 11 / 17
 Théorèmes d’approximation (asymptotiques) Théorèmes d’approximation en loi

Approximation normale de la binomiale

Théorème: Moivre-Laplace
Soit X une v.a qui suit la loi B(n, p) alors, lorsque n 7→ +∞

X − np
p ≈ N (0, 1)
np(1 − p)

N. B. ≈ : suit approximativement la loi

N. B. L’application en pratique (en dimension finie) est valable lorsque

l’une des deux conditions suivantes est vérifiée :
1 n ≥ 20, np ≥ 10 et nq ≥ 10
2 npq ≥ 10

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 12 / 17

 Théorèmes d’approximation (asymptotiques) Théorèmes d’approximation en loi

Approximation de la binomiale par la loi de poisson

Théorème
Soit X une v.a qui suit la loi B(n, p) alors, lorsque n 7→ +∞

X − np
p ≈ P(λ)
np(1 − p)

où λ = np

N. B. La conditions d’application en pratique est :

n ≥ 20 et np ≤ 0.10

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 13 / 17

 Théorèmes d’approximation (asymptotiques) Théorèmes d’approximation en loi

Approximation normale de la poissonnienne

Théorème
Soit X une v.a qui suit la loi P(λ) alors, quand λ 7→ +∞

X −λ
p ≈ N (0, 1)
λ)

N. B. La condition d’application en pratique est λ ≥ 15

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 14 / 17

 Théorèmes d’approximation (asymptotiques) Théorèmes d’approximation en loi

Résumé des approximations

BC (n, p) et PC (λ) désignent respectivement les lois binomiale et de

Poisson centrées réduites

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 15 / 17

 Théorèmes d’approximation (asymptotiques) Théorèmes d’approximation en loi

Généralisation : Théorème Central Limite

Théorème Central Limite (TCL)

Soient X1 , . . . , Xn une suite de variables aléatoires indépendantes
identiquement distribuées (i.i.d.), d’espérance µ et de variance
σ 2 < ∞. On a
X −µ
√ ≈ N (0, 1).
σ/ n

N. B. La condition d’application du TCL en pratique est n ≥ 30

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 16 / 17

 Théorèmes d’approximation (asymptotiques) Théorèmes d’approximation en loi

Généralisation : Théorème Central Limite (suite)

Remarque
Le TCL est généralement formulé pour une moyenne X , mais on peut
n
X
l’utiliser sous une autre forme. Soit XT = Xi la somme de n
i=1
variables aléatoires, il suffit de factoriser par 1/n pour verifier que

XT − nµ
√ ≈ N (0, 1).
σ n

S., El Melhaoui (FSJESO) Théorèmes fondamentaux 05/2020 17 / 17