• Aucun résultat trouvé

Théorème central limite

N/A
N/A
Protected

Academic year: 2021

Partager "Théorème central limite"

Copied!
3
0
0

Texte intégral

(1)

3.15 Théorème central limite

Référence :H. Queffélec, C. Zuily, Éléments d’analyse, Dunod, 2002. Leçons concernées : 218, 260, 261, 262, 263.

Théorème 1 (Central limite). Soit pXnqn une suite de variables aléatoires indépendantes

et identiquement distribuées admettant un moment d’ordre 2. On note m “ ErX1s et 2 “

VarpX1q. Alors si Sn“∞nk“1Xn,

Sn´ nm

?n ›Ñ XL où X „ N p0, 1q.

Lemme 2. Soit pznqn une suite de nombres complexes de limite z P C, alors

´ 1`zn n ¯n ›Ñ nÑ`8e z. Démonstration. Pour n • 0, on a, exppznq ´ ´ 1`zn n ¯n “`8ÿ k“0 znk k! ´ n ÿ k“0 ˆ n k ˙ ´z n n ¯k “ `8ÿ k“0 apnqk znk où apnqk “ # 1 k! k• n ` 1 1 k! ´ 1´npn´1q¨¨¨pn´k`1qnk ¯ k§ n ainsi apnqk • 0 pour tout n, k, et donc,

ˇ ˇ ˇexppznq ´ ´ 1`zn n ¯nˇˇ ˇ § `8ÿ k“0 apnqk |zn|k“ expp|zn|q ´ ˆ 1`|zn| n ˙n . Enfin, avec pour x • 0, lnp1 ` xq • x ´x2

2 et 1 ´ e´x § x, ˇ ˇ ˇexppznq ´ ´ 1`zn n ¯nˇˇ ˇ § expp|zn|q ´ exp ˆ n ln ˆ 1`|zn| n ˙˙ § expp|zn|q ´ exp ˆ n ˆ |zn| n ´ |zn|2 2n2 ˙˙ “ expp|zn|q ˆ 1´ exp ˆ ´|z2nn|2 ˙˙ § expp|zn|q|zn| 2 2n . 96

(2)

On peut alors conclure : ˇ ˇ ˇexppzq ´´1`zn n ¯nˇˇ ˇ § | exppzq ´ exppznq| ` ˇ ˇ ˇexppznq ´ ´ 1`zn n ¯nˇˇ ˇ § | exppzq ´ exppznq| ` expp|zn|q|zn|

2

2n n›ÑÑ`80.

Démonstration (Théorème). On peut sans perte de généralité se ramener au cas m “ 0 et “ 1. On utilise le théorème de Lévy et on cherche donc à montrer que '?Sn

nptq Ñ e

´t2{2

pour tout t P R.

On note ' :“ 'X1. Puisque X1 admet un moment d’ordre 2, ' est de classe C

2et vérifie :

'1p0q “ EriX1s “ 0 et '2p0q “ Er´X12s “ ´1. On a donc, par développement de Taylor à

l’ordre 2 en 0, pour tout t P R,

'ptq “ 1 ´t

2

2 ` opt

2q.

On a d’autre part, par indépendance et identique distribution, 'Sn? nptq “ E « n π k“1 eitXk{?n ff “ n π k“1 E”eitXk{?nı “ E”eitX1{?nın“ ' ˆ t ? n ˙n . Ainsi, d’après le développement limité de ' en 0,

'?Sn nptq “ ˆ 1´ t 2 2n` op 1 nq ˙n . et on conclut avec le lemme.

Application 3. On a, lim nÑ`8e ´nÿn k“0 nk k! “ 1 2.

Démonstration. Soit pXiqi une suite de variables aléatoires i.i.d. de loi de Poisson Pp1q, et

Sn“ X1` ¨ ¨ ¨ ` Xn qui suit donc une loi de Poisson Ppnq. On a ErX1s “ VarpX1q “ 1 et

on applique le théorème central limite pour obtenir : Zn“

Sn´ n

?n ›Ñ Z „ N p0, 1q.L

(3)

Or on remarque que e´n n ÿ k“0 nk k! “ n ÿ k“0 PpSn“ kq “ PpSn§ nq “ PpZn§ 0q

et donc par convergence des fonctions de répartitions on obtient lim nÑ`8e ´n ÿn k“0 nk k! “ limnÑ`8PpZn§ 0q “ PpZ § 0q “ 1 2 puisque Z est symétrique.

Proposition 4. Si X „ N p0, 1q, alors pour tout t P R, 'Xptq “ e´t

2{2 . Démonstration. On a 'Xptq “ 1 ? 2⇡ ª Re ´itxe´x2{2 dx.

On applique alors le théorème de dérivation sous l’intégrale pour obtenir que 'X est de

classe C1 sur R, et que

'1Xptq “ ?1 2⇡ ª R´ixe ´itxe´x2{2 dx ?1 2⇡ ª Rie ´itxp´xe´x2{2 qdx “ ´?t 2⇡ ª Re ´itxe´x2{2 dx par intégration par parties. Ainsi 'X vérifie '1Xptq ´ t'Xptq “ 0 pour tout t P R et donc

'Xptq “ e´t

2{2

puisque 'Xp0q “ 1.

Références

Documents relatifs

Ce théorème peut nous aider dans les rares cas où la méthode des moments en statistique ne peut pas être utilisée, par exemple avec des lois de Cauchy.. L’hypothèse de

Par exemple, les chocs de molécules d’eau sur une molécule de pollen ou les effets des conditions atmosphériques sur le plan de vol d’un avion peuvent être modélisés par

Ce théorème apparait aussi parfois sous le nom de "théorème central limite", ou encore "théorème de la limite centrée"..

Approximation d’une

• Adapter l'un des deux programmes Tirages pour obtenir un programme Moyennes qui renvoie la liste des N moyennes successives associée à une liste [X 1 , X 2 ,3. Que peut-on dire de

Dans la leçon 218, il est bien- venu de mentionner le théorème des évènements rares de Poisson plutôt que la recherche d’un intervalle de confiance..

Le th´ eor` eme central limite ´ etablit que la loi normale apparaˆıt chaque fois que la grandeur al´ eatoire observ´ ee peut ˆ etre pr´ esent´ ee comme la somme d’un

a) Il est assez évident que la suite va converger presque sûrement vers 6 : Y n vaut 6 à partir de la première observation d’un 6, et la probabilité qu’on ne fasse aucun 6