Probabilités

Chapitre 4
Convergences des variables aléatoires

Université Mohamed V Rabat ENSET

A. EL AMRAOUI

1
Université Mohamed V Rabat ENSET A. EL AMRAOUI Probabilités
 Convergences.

º
inégalité de Markov
Théorème
Soient une variable aléatoire Y et une fonction h  R R
Si h est croissante strictement positive sur R .
Si E h ¶Y ¶ $ ™
alors
1
¾λ %0 P ¶Y ¶ ) λ ( E h ¶Y ¶
h λ
Démonstration
La fonction h est croissante strictement positive sur R donc
¾y " ¶y ¶ ) λ, hh ¶λy ¶

) 1 car h ¶y ¶ ) h λ et h λ % 0 .
h ¶y ¶ h ¶y ¶
P ¶Y ¶ ) λ E 1¶Y ¶)λ ( E  1¶Y ¶)λ car 1 ( .
h λ h λ
1
( E h ¶y ¶1R car ¶Y ¶ ) λ L R .

¼ P ¶Y ¶ ) λ (
1
h λ
h λ
E h ¶y ¶

2
Université Mohamed V Rabat ENSET A. EL AMRAOUI Probabilités
 Convergences.
Inégalité de Bienaymé-Tchébicheff
Théorème
Soit X une variable aléatoire de carrée intégrable alors :

var X 
¾λ % 0, P ¶X  E X ¶ ) λ (
λ2
Démonstration
2
Dans l’inégalité de Markov, on pose Y X  E X  et h x  x .

3
Université Mohamed V Rabat ENSET A. EL AMRAOUI Probabilités
 Convergences.
Loi des grands nombres
Remarque
Soient X1 , X2 , . . . , Xn des v. a. i.i.d. d’espérance µ et de variance
=
n
2 1
σ et soit X̄ n Xi on a :
i 1 2
σ
E X̄  µ var X̄  n
Théorème
Soient X1 , X2 , . . . , Xn des v. a. i.i.d. d’espérance µ et de variance
2
σ alors
2
σ
¾λ % 0 P ¶X̄  µ¶ ) λ (
nλ2
Théorème
Application de l’inégalité de Bienaymé-Tchébicheff.
Remarque
¾λ %0 n
lim P ¶X̄
™
 µ¶ ) λ  0
4
Université Mohamed V Rabat ENSET A. EL AMRAOUI Probabilités
 Convergences.
Soient X1 , X2 , . . . , Xn des v. a. i.i.d. d’espérance µ et de variance
=
n
2 1
σ et soit X̄ n Xi on a :
i 1

Théorème
La loi de la variable aléatoire centrée réduite

X̄  µ
σ
Ó
n

tend, quand n tend vers ™, vers la loi normale centrée réduite
N 0, 1.
Remarque
Pour n assez grand X̄ suit la loi normale N µ, Óσn .

5
Université Mohamed V Rabat ENSET A. EL AMRAOUI Probabilités
 Convergences.
Théorème de Moivre-Laplace
(Approximation normale d’une loi binomiale)
Théorème
Soit X une variable aléatoire qui suit la loi binomiale B n; p .
La variable aléatoire centrée réduite :
X  np
Ô
np 1  p 

suit, quand n tend vers ™, la loi N 0; 1.

¼
Démonstration
=X
n
1 1
X B n; p  Y nX n i avec Xi B 1; p 
i 1
p 1  p
E Y p, var Y  n
Y p X  np
Ö Ô suit, D’après le théorème central limite quand n tend
p 1p  np 1  p 
n
vers ™, la loi N 0; 1. 6
Université Mohamed V Rabat ENSET A. EL AMRAOUI Probabilités
 Convergences.
Convergence en loi
Définition
La suite Xn n"N converge en loi vers la variable aléatoire X si et
seulement si pour toute fonction continue bornée

lim E g Xn  E g X 

º
n ™
L
On note Xn X
Propriété

Xn º ¿
L
X
¾
w lim F
n ™
x point de continuité de FX
Xn x  FX x 

où FXn et FX sont les fonctions de répartitions.

7
Université Mohamed V Rabat ENSET A. EL AMRAOUI Probabilités
 Convergences.

º ¿
Propriété
L
Xn X ¾x
™
" R, n
lim ϕXn x  ϕX x 

où ϕXn et ϕX sont les fonctions caractéristiques.

º º
Propriété

º
L L
Xn X et Yn c " R alors
L

º
Xn , Yn  X , c .

º
L
Xn  Yn X  c.
L

º
Xn Yn Xc.
Xn L X
Yn c si pour n assez grand Xn j 0 et c j 0.

8
Université Mohamed V Rabat ENSET A. EL AMRAOUI Probabilités
 Convergences.
Convergence en probabilité
Définition
La suite Xn n"N converge en probabilité vers la variable aléatoire
X si et seulement si

¾ε %0 lim P ¶Xn  X ¶ % ε
™
0

º
n

P
On note Xn X

º º ¼ º
Propriété
P P P
Xn X et Yn Y Xn  Yn X  Y

¼ º
Propriété
P
lim E Xn  c et lim var Xn  0 Xn c
n ™ n ™
9
Université Mohamed V Rabat ENSET A. EL AMRAOUI Probabilités