Académique Documents
Professionnel Documents
Culture Documents
Probabilité 2- 2021-2022
CHAPITRE 4
Convergence de Variables Aléatoires
1. Inégalités utiles
On présente deux inégalités utiles en théorie des probabilités qui permettent de borner certaines probabilités
lorsque seulement l’espérance et la variance de la distribution sont connues
.
1.1 Inégalité de Markov.
Soit X une v.a réelle positive dé…nie sur un espace de probabilité ( ; A; P ) ; de moyenne E(X) …nie et soit a un
réel strictement positif on a:
E(X)
8 a > 0; P (X a)
a
Preuve.
On supose que X est une v.a.réelle à densité
R
+1 Ra R
+1
E(X) = x f (x)dx = x f (x)dx + x f (x)dx
0 0 a
donc
R
+1 R
+1
E(X) x f (x)dx a f (x)dx car x a
a a
R
+1 E(X)
Donc E(X) a f (x)dx = a P (X a) ) 8 a > 0; P (X a) :
a a
Exemple 1.
Une entreprise de distribution traite 48 commandes en moyenne par jour. Quelle est la probabilité qu’elle
traite au moins 60 commandes un jour donné.
Solution.
Soit X: le nombre de commande par jour .
On a: E(X) = 48 , on applique donc l’inégalité de Markov:
E(X) 48
P (X 60) ) P (X 60) = 0:8
60 60
1.2 Inégalité de Bienaymé-Chebychev.
Soit X une v.a d’espérance E(X) et de variance …nie V ar(X) et soit k un réel strictement positif on a:
V ar(X)
8k > 0; P ( j X E(X)j k)
k2
Preuve.
E(Y )
D’aprés l’inégalité de Markov , 8 a > 0; P (Y a)
a
Posons Y = ( X E(X))2 ; ainsi
E( [X E(X)] 2 )
8 a > 0; P(( X E(X))2 a)
a
p V ar(X)
) P ( j X E(X)j a) :
p a
Soit : k = a ) k2 = a
V ar(X)
Ainsi: 8k > 0; P [ j X E(X)j k]
k2
Remarques.
V ar(X) V ar(X)
1- Aussi on a 8k > 0; P ( j X E(X)j k) () P (j X E(X)j k) 1 :
k2 k2
2- L’inégalité de Bienaymé-Chebychev fournit une majoration ou une minoration loin d’être proche de la proba-
bilité exacte.
1
Chap4. Proba2. 2021-2022.
Remarque. La variable aléatoire X peut être éventuellement égale à une constante réelle c.
Remarque:
Pour p = 1;on dit convergence en moyenne et pour p = 2 on dit convergence en moyenne quadratique.
Dé…nition 2.3. On dit que la suite fXn , n 1g converge presque sûrement vers la v.a X ,si il existe un
sous-ensemble A tel que P (A) = 1 et
p:s
et on note: Xn ! X:
2
Chap4. Proba2. 2021-2022.
Dé…nition 2.4. La suite fXn , n 1g converge en Loi vers la v.a X si et seulement si,
Exemple 2.
Soit la fonction de répartition de la suite fXn , n 1g :
8
>
> 0 si x < 1 n1
>
>
<
1
FXn (x) = 2 si 1 n1 x < 1 + n1
>
>
>
>
:
1 si 1 + n1 x
On trouve : 8
>
> 0 si x<1
>
>
<
1
lim FXn (x) = 2 si x=1 , discontinue en x = 1.
n!+1 >
>
>
>
:
1 si x>1
Soit la fonction de répartition de la v.a X:
0 si x < 1
FX (x) =
1 si x > 1
L
Donc: lim FXn (x) = FX (x) (pour x 6= 1) . Alors Xn ! X:
n!+1
Remarques:
1- La convergence en loi est la convergence la plus faible.
L P
2- Xn ! X ; Xn ! X
Xn np L
Zn = p !Z (Z de Loi Normale N (0; 1)):
np(1 p)
En pratique:
Si X ! B(n; p); on peut approximer X par la loi normale N (np; npq): On donne généralement comme conditions:
n > 30; np > 5 et nq > 5: avec: q = 1 p.
3
Chap4. Proba2. 2021-2022.
Xn n L
Zn = p !Z (Z de Loi Normale N (0; 1))
n
En pratique: Si X ! P( ) on peut l’approximer par la loi normale N ( ; ), on donne généralement comme
condition: > 18:
i.e: que la moyenne des n premiers termes d’une suite de v.a converge presque sûrement vers une constante u
(non aléatoire), lorsque n tend vers l’in…ni.
Soit fXn , n 1g une suite de n v.a réelles indépendantes et identiquement distribuées (i.i.d) d’espérance
…nie E(X i ) = u et de variance …nie V ar(X i ) = 2 .
Pn
Considérons la somme Sn = Xi alors E(S n ) = nu et V ar(Sn ) = n 2 :
i=1
Alors la variable aléatoire:
Sn E(S n ) Sn nu L
Zn = p = p ! Z ; ( Z de loi normale centrée réduite N (0; 1)):
V ar(S n ) n n!+1
P
n
2
Cela signi…e que: Sn = Xi converge en loi vers la loi normale N (nu; n ):
i=1
4
Chap4. Proba2. 2021-2022.
Exercice 6. Série4.
Soit Xk une v.a telle que E(Xk ) = V ar(Xk ) = 1.
P36
Calculer la probabilité: P Xk < 42 avec X1 ; X2 ; :::; X36 des v.a indépendantes et identiquement distribuées.
k=1
Solution.
P36
L
D0 aprés le théorème centrale limite: Xk ! N (36 E(X) ; 36 V ar(X)) N 36 ; 36 :
2 k=1 3
P36
6 Xk 36
P36
6 k=1 42 36 7
7
P Xk < 42 = P 6 p < p 7
k=1 4 36 36 5
donc
P
36
P Xk < 42 = 0:8413
k=1
Exercice 7. Série4.
P
50 1
Soit la somme S = Xk avec Xk une v.a de loi géométrique de paramètre :
k=1 4
Sachant que les v.a Xk sont indépendantes, calculer P (S < 201):
Solution.
3
1 1 1 q 4
Xk ! g( ) , E(Xk ) = = 1 = 4; V ar(Xk ) = 2 = 1 = 12; 8k = 1; :::; 50:
4 p 4
p 16
D0 aprés le théorème centrale limite:
P
50
L
S= Xk ! N (50 E(X) ; 50 V ar(X)) N (50 4; 50 12) N (200; 600):
k=1
Donc:
S 200 201 200
P (S < 201) = P ( p < p )
600 600
= (0:04082)