Comment déterminer la loi d'une… : En appliquant le théorème : X_1 sim… — ECG2 appliquées | MetMat

Comment déterminer la loi d'une somme de variables normales indépendantes ?

En appliquant le théorème : $X_1 \sim \mathcal{N}(\mu_1, \sigma_1^2)$ , $X_2 \sim \mathcal{N}(\mu_2, \sigma_2^2)$ indép $\Rightarrow X_1 + X_2 \sim \mathcal{N}(\mu_1 + \mu_2, \sigma_1^2 + \sigma_2^2)$

Identifier directement la loi d'une somme finie de variables normales indépendantes via la propriété de stabilité.

Maîtriser

Reconnaître

Résoudre

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

Soient $X \sim \mathcal{N}(2, 1)$ et $Y \sim \mathcal{N}(3, 4)$ indépendantes. Donner la loi de $S = X + Y$ .

L'objectif

Identifier directement la loi d'une somme finie de variables normales indépendantes via la propriété de stabilité.

Le principe

Si $X_1, \dots, X_n$ sont indépendantes et $X_i \sim \mathcal{N}(\mu_i, \sigma_i^2)$ , alors $X_1 + \cdots + X_n \sim \mathcal{N}\!\left(\sum_{i=1}^n \mu_i,\ \sum_{i=1}^n \sigma_i^2\right)$ (admis au BO) ; plus généralement, si $a_i \in \mathbb{R}$ , $\sum a_i X_i \sim \mathcal{N}\!\left(\sum a_i \mu_i,\ \sum a_i^2 \sigma_i^2\right)$ .

La méthode

1
Je vérifie deux hypothèses essentielles : chaque $X_i$ suit une loi normale, et les $X_i$ sont mutuellement indépendantes.
2
Je relève les paramètres $(\mu_i, \sigma_i^2)$ de chaque variable.
3
Pour la somme $S = \sum a_i X_i$ , je calcule par linéarité $E(S) = \sum a_i \mu_i$ et, par indépendance, $V(S) = \sum a_i^2 \sigma_i^2$ .
4
J'applique le théorème de stabilité : $S$ suit la loi normale $\mathcal{N}(E(S), V(S))$ et je conclus.

Pour comprendre, fais des exercices !

Exercice d'exemple

Soient $X \sim \mathcal{N}(2, 1)$ et $Y \sim \mathcal{N}(3, 4)$ indépendantes. Donner la loi de $S = X + Y$ .

Étape 1 —

Je vérifie deux hypothèses essentielles : chaque

X_i

suit une loi normale, et les

X_i

sont mutuellement indépendantes.

Les variables $X$ et $Y$ sont normales et indépendantes : hypothèses du théorème vérifiées.

Étape 2 —

Je relève les paramètres

(\mu_i, \sigma_i^2)

de chaque variable.

Paramètres : $\mu_X = 2$ , $\sigma_X^2 = 1$ , $\mu_Y = 3$ , $\sigma_Y^2 = 4$ .

Étape 3 —

Pour la somme

S = \sum a_i X_i

, je calcule par linéarité

E(S) = \sum a_i \mu_i

et, par indépendance,

V(S) = \sum a_i^2 \sigma_i^2

$E(S) = 2 + 3 = 5$ , $V(S) = 1 + 4 = 5$ par indépendance.

Étape 4 —

J'applique le théorème de stabilité :

S

suit la loi normale

\mathcal{N}(E(S), V(S))

et je conclus.

Par stabilité, $S \sim \mathcal{N}(5, 5)$ .

$S = X + Y \sim \mathcal{N}(5, 5)$ .

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.