Comment illustrer la convergence en probabilité ou en loi via des simulations répétées ? | MetMat

Comment illustrer la convergence en probabilité ou en loi via des simulations répétées ?

En traçant l'histogramme de $(S_n-nm)/(\sigma\sqrt{n})$ sur $M$ répétitions et en le comparant à $\mathcal{N}(0,1)$

L'objectif

Visualiser la convergence en loi $(S_n-nm)/(\sigma\sqrt n)\xrightarrow{\mathcal{L}} \mathcal{N}(0,1)$ .

Le principe

Théorème limite central : si les $X_i$ sont i.i.d. avec $E(X)=m$ et $V(X)=\sigma^2>0$ , alors $Z_n = (S_n-nm)/(\sigma\sqrt n)\xrightarrow{\mathcal{L}} \mathcal{N}(0,1)$ ; sur $M$ répétitions indépendantes, l'histogramme normalisé de $Z_n$ approche la densité $\varphi(t) = \frac{1}{\sqrt{2\pi}}\mathrm{e}^{-t^2/2}$ pour $n$ grand.

La méthode

1
Je fixe $n$ (la taille de chaque somme), $M$ (le nombre de répétitions, typiquement $10^4$ ) et je note $m$ et $\sigma$ connus de la loi choisie.
2
Je simule en matrice Y = rd.xxx(size=(M, n)) puis je somme selon l'axe des colonnes : S = Y.sum(axis=1), obtenant $M$ réalisations indépendantes de $S_n$ .
3
Je standardise avec Z = (S - n*m) / (sigma * np.sqrt(n)) pour obtenir les valeurs centrées-réduites.
4
Je trace plt.hist(Z, bins=60, density=True) et je superpose la densité $\varphi$ : t = np.linspace(-4,4,500) puis plt.plot(t, np.exp(-t**2/2)/np.sqrt(2*np.pi), 'r') ; je commente la qualité de l'approximation selon $n$ .

Évalue la méthode

0/5 validés

Cherche chaque exercice au brouillon, puis coche “j'ai réussi” si tu as trouvé la bonne démarche. Utilise le bouton aide si tu as besoin d'un coup de pouce.

Application guidée 1

Illustrer le TLC sur des $X_i\sim\mathcal{B}(1, 0.5)$ : $m=0.5$ , $\sigma=0.5$ , avec $n=100$ , $M=10^4$ .

Application guidée 2

Même démarche avec $X_i\sim\mathcal{E}(1)$ ( $m=1$ , $\sigma=1$ ), $n=50$ , $M=5000$ .

Application autonome 1

Comparer l'approximation pour $n=5$ , $n=30$ , $n=200$ avec $X_i\sim\mathcal{U}[0,1]$ ( $m=1/2$ , $\sigma=1/\sqrt{12}$ ).

Application autonome 2

Soit $(X_i)$ i.i.d. de loi $\mathcal{E}(1)$ . Tracer l'histogramme de $\dfrac{S_n - n}{\sqrt{n}}$ pour $n = 30$ et $M = 5000$ répétitions, et superposer la densité de $\mathcal{N}(0,1)$ .

Application autonome 3

Soit $(Y_i)$ i.i.d. de loi $\mathcal{U}([0,1])$ . Illustrer le TLC en traçant l'histogramme de $\dfrac{S_n - n/2}{\sqrt{n/12}}$ pour $n = 50$ et $M = 10000$ , superposé à la densité $\mathcal{N}(0,1)$ .

Connecte-toi pour cocher tes exercices réussis et sauvegarder ta progression.

En traçant l'histogramme de (Sn−nm)/(σn)(S_n-nm)/(\sigma\sqrt{n})(Sn​−nm)/(σn​) sur MMM répétitions et en le comparant à N(0,1)\mathcal{N}(0,1)N(0,1)

Évalue la méthode

En traçant l'histogramme de $(S_n-nm)/(\sigma\sqrt{n})$ sur $M$ répétitions et en le comparant à $\mathcal{N}(0,1)$