Formulaires: Th´ eor` emes limites et statistiques
Proposition 1:
Soient m et σ deux r´eels. Soient n variables al´eatoires ind´ependantes X1,· · · , Xn admettant toute la mˆeme esp´erance m et la mˆeme variance σ2. Xn, qui estX1+· · ·+Xn
n admet une variance et on a :E Xn
=m et V Xn
= σ2 n .
Th´ eor` eme 2:
Loi faible des grands nombresSoientmetσdeux r´eels. Soit (Xn)n∈N?une suite de variables al´eatoires ind´ependantes admettant toute la mˆeme esp´erancem et la mˆeme variance σ2. Pour tout r´eel ε strictement positif, on a :
n→+∞lim P
Xn−m > ε
= 0.
Th´ eor` eme 3:
Th´eor`eme central limite (Premi`ere forme)Soientmun r´eel etσun r´eel strictement positif. Soit (Xn)n∈N? une suite de variables al´eatoires de mˆeme loi, mutuellement ind´ependante admettant une moyenne m et un ´ecart-type σ. Pour tout entier strictement positif n, on pose :Mn =(X1 +· · ·+Xn)
n −m
√σ n
. Pour tout (a, b) dans (R∪ { −∞,+∞ })2 tels quea < b, on a :
n−→+∞lim (P(a 6Sn 6b)) =P (a6N 6b) avec N une variable al´eatoire suivant une loi normale centr´ee r´eduite
Th´ eor` eme 4:
Th´eor`eme central limite (Seconde forme) Mˆeme chose que la premi`ere forme mais on remplace σ parv u u t 1 n
n
X
k=1
Xk− X1+· · ·+Xn n
2
.
Th´ eor` eme 5:
Th´eor`eme de De Moivre-Laplace Soient p un ´el´ement de ]0,1[ et (Xn)n∈N une suite de variables al´eatoires telle que, pour tout entier naturel n, Xn suit une loi binomiale de param`etres n etp. Pour tout (a, b) dans (R∪ { −∞,+∞ })2 tels que a < b, on a :n−→+∞lim P a6 Xn−np pnp(1−p) 6b
!!
=P (a6N 6b)
avec N une variable al´eatoire suivant une loi normale centr´ee r´eduite
1
Proposition 6:
Loi Loi approchante Condition classique
H(N, n, p) B(n, p) N >10n
B(n, p) P(np) n >30, p60,1 et np610
B(n, p) N(np, np(1−p)) n>30, np>15 et np(1−p)>5
P(λ) N(λ, λ) λ>10
D´ efinition 7:
Soient X une variable al´eatoire dont la loi d´epend d’un param`etre θ et (X1;X2;· · ·;Xn) un n-´echantillon de X. Soit Tn un estimateur de θ. On appelle biais de Tn la quantit´e, si elle existe, E(Tn)−θ. On appelle risque quadratique deTn la quantit´e, si elle existe, E (Tn−θ)2.
Proposition 8:
Soient X une variable al´eatoire admettant une esp´erance m et (X1;X2;· · ·;Xn) un n-´echantillon de X. On note Xn la moyenne empirique de X. Xn est un estimateur sans biais de m. Si X admet une varianceσ2 alors le risque quadratique de cet estima- teur vaut σ2n .
Proposition 9:
Soient X une variable al´eatoire admettant une esp´erance m et une variance σ2 et (X1;X2;· · ·;Xn) un n-´echantillon de X. On noteSn2 la variance empirique deX et Sn02 l’estimateur corrig´e de la variance X, c’est : Sn2 = X12+· · ·+Xn2n − Xn2
et Sn02 = n n−1Sn2. Sn2 n’est pas un estimateur sans biais de la variance de X, Sn02 est sans biais.
Proposition 10:
Soient X une variable al´eatoire admettant une esp´erance m et une variance non nulle et (X1;X2;· · ·;Xn) un n-´echantillon de X.
Xn−u1−α2
Sn
√n, Xn+u1−α2
Sn
√n
est un intervalle de confiance de m avec un niveau de confiance de 1−α (On a not´e u1−α2 le quantile d’ordre 1−α2 de la loi normale centr´ee r´eduite.)
Proposition 11:
SoientXune variable al´eatoire admettant une esp´eranceminconnue et une variance non nulle et (X1;X2;· · ·;Xn) un n-´echantillon de X. Soit µ un r´eel. Soit ω un r´esultat obtenu. Si Xn(ω)−µSn(ω)
√n
appartient `a
−u1−α2, u1−α2
, on dit que la moyenne deX vaut bien
µet qu’ on accepte H0. Sinon, on dit que la moyenne de X ne vaut pas, a priori,µ. On refuseH0 et le risque de se tromper est de α.
2