Théorèmes asymptotiques Loi des grands nombres Théorèmes asymptotiques Loi des grands nombres Inégalité de Markov Inégalité de Bienaymé-Tchebychev Théorème: Inégalité de Markov Corollaire: Inégalité de Bienaymé-Tchebychev (IBT) Soit X une variable aléatoire réelle supposée presque sûrement positive (P(X ≥ 0) = 1). Alors 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 ∀α > 0, P(X > α) 6 E[X ] α Preuve: On suppose que X admet une densité de probabilité f , alors on a l’inégalité Z +∞ xf (x)dx E(X ) = 0 Z +∞ ≥ αf (x)dx 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 α = αP(X ≥ α). S., El Melhaoui (FSJESO) Théorèmes fondamentaux 04/2017 22 / 32 S., El Melhaoui (FSJESO) Théorèmes fondamentaux 04/2017 23 / 32 Théorèmes asymptotiques Loi des grands nombres Théorèmes asymptotiques Implications Loi des grands nombres Loi des grands nombres Théorème : Loi des grands nombres Pour k = 1 on a P(|X − µ| > 1σ) ≤ 1 : aucun intérêt 1/22 Pour k = 2 on a P(|X − µ| > 2σ) ≤ = 0.25 : Moins de 25% des valeurs d’une v.a. sont loins de sa moyenne plus de 2 écarts-type 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 : 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 n X = 1X Xi n i=1 Alors X tend en probabilité vers µ lorsque n −→ +∞: ∀ε > 0, S., El Melhaoui (FSJESO) Théorèmes fondamentaux 04/2017 24 / 32 S., El Melhaoui (FSJESO) lim P(|X − µ| > ε) = 0. n→+∞ Théorèmes fondamentaux 04/2017 25 / 32 Théorèmes asymptotiques Loi des grands nombres Théorèmes asymptotiques Loi des grands nombres Approximation normale de la binomiale Preuve: Remarquons que E(X ) = Théorème: Moivre-Laplace X E(Xi )/n = nµ/n = µ Soit X une v.a qui suit la loi B(n, p) alors, lorsque n 7→ +∞ i et V (X ) = σX2 = X V (Xi )/n2 = i nσ 2 n2 = σ2 n X − np p ≈ N (0, 1) np(1 − p) . N. B. ≈ : suit approximativement la loi Soit ε > 0, posons k = ε/σX , l’inégalité IBT donne P(|X − µ| > ε) ≤ σ 2 (X ) ε2 ≤ σ2 nε2 N. B. L’application en pratique (en dimension finie) est valable lorsque l’une des deux conditions suivantes est vérifiée : n −→ 0. 1 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 d’approximation en loi Théorèmes fondamentaux 04/2017 26 / 32 2 n ≥ 20, np ≥ 10 et nq ≥ 10 npq ≥ 10 S., El Melhaoui (FSJESO) Théorèmes fondamentaux 04/2017 27 / 32 Théorèmes asymptotiques Théorèmes d’approximation en loi Théorèmes asymptotiques Théorèmes d’approximation en loi Approximation de la binomiale par la loi de poisson Approximation normale de la poissonnienne Théorème Soit X une v.a qui suit la loi B(n, p) alors, lorsque n 7→ +∞ Théorème Soit X une v.a qui suit la loi P(λ) alors, quand λ 7→ +∞ p X − np np(1 − p) X −λ p ≈ N (0, 1) λ) ≈ P(λ) où λ = np N. B. La condition d’application en pratique est λ ≥ 15 N. B. La conditions d’application en pratique est : n ≥ 20 et np ≤ 0.10 S., El Melhaoui (FSJESO) Théorèmes fondamentaux 04/2017 28 / 32 S., El Melhaoui (FSJESO) Théorèmes fondamentaux 04/2017 29 / 32 Théorèmes asymptotiques Théorèmes d’approximation en loi Théorèmes asymptotiques Théorèmes d’approximation en loi Résumé des approximations Généralisation : Théorème Central Limite BC (n, p) et PC (λ) désignent respectivement les lois binomiale et de Poisson centrées réduites 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 04/2017 30 / 32 S., El Melhaoui (FSJESO) Théorèmes fondamentaux 04/2017 31 / 32 Théorèmes 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 04/2017 32 / 32