Comment appliquer le théorème… : En centrant-réduisant \bar X _n^ = \bar… — ECG2 appliquées | MetMat

Comment appliquer le théorème central limite pour approximer une probabilité ?

En centrant-réduisant $\\bar{X}_n^* = \\dfrac{\\bar{X}_n - m}{\\sigma / \\sqrt{n}}$ et en approximant par $\\mathcal{N}(0, 1)$

Approcher $P([a \\leq \\bar{X}_n \\leq b])$ via la loi normale centrée réduite.

Maîtriser

Reconnaître

Résoudre

Que ferais-tu face à un exercice de ce type ?

Soit $(X_n)$ i.i.d. de loi uniforme sur $[0, 1]$ ( $m = 1/2$ , $\\sigma^2 = 1/12$ ). Pour $n = 100$ , approcher $P([\\bar{X}_n \\geq 0{,}55])$ .

L'objectif

Approcher $P([a \\leq \\bar{X}_n \\leq b])$ via la loi normale centrée réduite.

Le principe

Si $(X_n)$ est i.i.d. avec $E(X_k) = m$ et $V(X_k) = \\sigma^2 \\neq 0$ , alors $\\bar{X}_n^* = \\dfrac{\\bar{X}_n - m}{\\sigma / \\sqrt{n}} \\xrightarrow[n \\to +\\infty]{\\mathcal{L}} \\mathcal{N}(0, 1)$ (TCL admis).

La méthode

1
Je vérifie que les $X_k$ sont indépendantes, de même loi, d'espérance $m$ et de variance $\\sigma^2 \\neq 0$ , et que $n$ est grand (typiquement $n \\geq 30$ ).
2
J'écris la probabilité demandée à l'aide de $\\bar{X}_n$ (ou de $S_n = X_1 + \\cdots + X_n$ ).
3
Je centre-réduis : $\\bar{X}_n^* = \\dfrac{\\bar{X}_n - m}{\\sigma / \\sqrt{n}}$ et je transforme l'événement en un événement sur $\\bar{X}_n^*$ .
4
Par le TCL, j'approche $\\bar{X}_n^*$ par $Z \\sim \\mathcal{N}(0, 1)$ et je conclus avec $\\Phi$ : $P([a \\leq \\bar{X}_n^* \\leq b]) \\approx \\Phi(b) - \\Phi(a)$ .

Pour comprendre, fais des exercices !

Exercice d'exemple

Soit $(X_n)$ i.i.d. de loi uniforme sur $[0, 1]$ ( $m = 1/2$ , $\\sigma^2 = 1/12$ ). Pour $n = 100$ , approcher $P([\\bar{X}_n \\geq 0{,}55])$ .

Étape 1 —

Je vérifie que les

X_k

sont indépendantes, de même loi, d'espérance

m

et de variance

\\sigma^2 \\neq 0

, et que

n

est grand (typiquement

n \\geq 30

Les $X_k$ sont i.i.d. avec $m = 1/2$ , $\\sigma^2 = 1/12$ ( $\\sigma = 1/\\sqrt{12}$ ), et $n = 100 \\geq 30$ : conditions du TCL réunies.

Étape 2 —

J'écris la probabilité demandée à l'aide de

\\bar{X}_n

(ou de

S_n = X_1 + \\cdots + X_n

On veut $P([\\bar{X}_n \\geq 0{,}55])$ .

Étape 3 —

Je centre-réduis :

\\bar{X}_n^* = \\dfrac{\\bar{X}_n - m}{\\sigma / \\sqrt{n}}

et je transforme l'événement en un événement sur

\\bar{X}_n^*

$\\bar{X}_n^* = \\dfrac{\\bar{X}_n - 1/2}{1/\\sqrt{12 \\times 100}} = \\sqrt{1200} (\\bar{X}_n - 1/2)$ . L'événement $\\bar{X}_n \\geq 0{,}55$ équivaut à $\\bar{X}_n^* \\geq \\sqrt{1200} \\times 0{,}05 \\approx 1{,}73$ .

Étape 4 —

Par le TCL, j'approche

\\bar{X}_n^*

par

Z \\sim \\mathcal{N}(0, 1)

et je conclus avec

\\Phi

P([a \\leq \\bar{X}_n^* \\leq b]) \\approx \\Phi(b) - \\Phi(a)

Par le TCL, $P([\\bar{X}_n^* \\geq 1{,}73]) \\approx 1 - \\Phi(1{,}73) \\approx 1 - 0{,}958 = 0{,}042$ .

$P([\\bar{X}_n \\geq 0{,}55]) \\approx 0{,}042$ .

Les applications suivantes et la correction guidée sont réservées aux membres Premium

La méthode et sa première application corrigée restent en accès libre. Le Premium débloque les applications suivantes, l'aide IA et le suivi de ta maîtrise.

Comment appliquer le théorème central limite pour approximer une probabilité ?

En centrant-réduisant barXn∗=dfracbarXn−msigma/sqrtn\\bar{X}_n^* = \\dfrac{\\bar{X}_n - m}{\\sigma / \\sqrt{n}}barXn∗​=dfracbarXn​−msigma/sqrtn et en approximant par mathcalN(0,1)\\mathcal{N}(0, 1)mathcalN(0,1)

Pour comprendre, fais des exercices !

En centrant-réduisant $\\bar{X}_n^* = \\dfrac{\\bar{X}_n - m}{\\sigma / \\sqrt{n}}$ et en approximant par $\\mathcal{N}(0, 1)$