Comment appliquer le théorème… : En vérifiant i.i.d., E(X) = m, V(X) =… — ECG2 approfondies | MetMat

Comment appliquer le théorème limite central pour approcher la loi d'une somme de variables i.i.d. ?

En vérifiant i.i.d., $E(X) = m$ , $V(X) = \sigma^2 > 0$ , puis $X_n^* = (S_n - nm)/(\sigma\sqrt{n}) \xrightarrow{\mathcal{L}} \mathcal{N}(0,1)$

Établir la convergence en loi vers $\mathcal{N}(0,1)$ de la somme centrée-réduite d'un échantillon i.i.d. de variance finie.

Maîtriser

Reconnaître

Résoudre

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

Soient $X_1, \dots, X_n$ i.i.d. de loi $\mathcal{E}(1)$ et $S_n = \sum_{i=1}^n X_i$ . Donner la loi asymptotique de $X_n^*$ .

L'objectif

Établir la convergence en loi vers $\mathcal{N}(0,1)$ de la somme centrée-réduite d'un échantillon i.i.d. de variance finie.

Le principe

Théorème limite central (admis au BO) : si $(X_n)_{n \geq 1}$ est une suite i.i.d. telle que $E(X_1) = m$ et $V(X_1) = \sigma^2 \in ]0, +\infty[$ , alors en posant $S_n = \sum_{i=1}^n X_i$ , la variable centrée-réduite $X_n^* = \dfrac{S_n - n m}{\sigma \sqrt{n}}$ converge en loi vers $\mathcal{N}(0,1)$ .

La méthode

1
Je vérifie les hypothèses du TLC : $(X_i)_{i \geq 1}$ i.i.d., $m = E(X_1)$ et $\sigma^2 = V(X_1) \in ]0, +\infty[$ .
2
Je pose $S_n = \sum_{i=1}^n X_i$ et la variable centrée-réduite $X_n^* = \dfrac{S_n - nm}{\sigma\sqrt{n}}$ .
3
Par le TLC, $X_n^* \xrightarrow{\mathcal{L}} \mathcal{N}(0,1)$ ; j'explicite $E(S_n) = n m$ et $V(S_n) = n \sigma^2$ pour interpréter la standardisation.

Pour comprendre, fais des exercices !

Exercice d'exemple

Soient $X_1, \dots, X_n$ i.i.d. de loi $\mathcal{E}(1)$ et $S_n = \sum_{i=1}^n X_i$ . Donner la loi asymptotique de $X_n^*$ .

Étape 1 —

Je vérifie les hypothèses du TLC :

(X_i)_{i \geq 1}

i.i.d.,

m = E(X_1)

\sigma^2 = V(X_1) \in ]0, +\infty[

Les $X_i$ sont i.i.d. de loi $\mathcal{E}(1)$ : $m = E(X_1) = 1$ et $\sigma^2 = V(X_1) = 1 > 0$ ; les hypothèses du TLC sont satisfaites.

Étape 2 —

Je pose

S_n = \sum_{i=1}^n X_i

et la variable centrée-réduite

X_n^* = \dfrac{S_n - nm}{\sigma\sqrt{n}}

Je pose $S_n = \sum_{i=1}^n X_i$ et $X_n^* = \dfrac{S_n - n}{\sqrt{n}}$ .

Étape 3 —

Par le TLC,

X_n^* \xrightarrow{\mathcal{L}} \mathcal{N}(0,1)

; j'explicite

E(S_n) = n m

V(S_n) = n \sigma^2

pour interpréter la standardisation.

Par le TLC, $X_n^* \xrightarrow{\mathcal{L}} \mathcal{N}(0,1)$ ; on a $E(S_n) = n$ et $V(S_n) = n$ .

$X_n^* = (S_n - n)/\sqrt{n} \xrightarrow{\mathcal{L}} \mathcal{N}(0,1)$ .

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 limite central pour approcher la loi d'une somme de variables i.i.d. ?

En vérifiant i.i.d., E(X)=mE(X) = mE(X)=m, V(X)=σ2>0V(X) = \sigma^2 > 0V(X)=σ2>0, puis Xn∗=(Sn−nm)/(σn)→LN(0,1)X_n^* = (S_n - nm)/(\sigma\sqrt{n}) \xrightarrow{\mathcal{L}} \mathcal{N}(0,1)Xn∗​=(Sn​−nm)/(σn​)L​N(0,1)

Pour comprendre, fais des exercices !

En vérifiant i.i.d., $E(X) = m$ , $V(X) = \sigma^2 > 0$ , puis $X_n^* = (S_n - nm)/(\sigma\sqrt{n}) \xrightarrow{\mathcal{L}} \mathcal{N}(0,1)$