Université Pierre et Marie Curie 2012-2013

Probabilités élémentaires - LM345 Feuille 11(semaine du 10 au 14 décembre 2012)

Convergence en loi. Théorème de la limite centrale.

1. Soit f : R → R une fonction continue bornée. Montrer qu’on a

∞ Z +∞
k − n nk
 
−n
X 1 t2
lim e f √ =√ f (t)e− 2 dt.
n→+∞
k=0
n k! 2π −∞

Solution de l’exercice 1. Soit (Xn )n≥1 une suite de variables aléatoires indépendantes
de loi de Poisson de paramètre 1. On a E[X1 ] = 1 et Var(X1 ) =  1. 
X1 +...+X n −n
D’une part, le théorème central limite assure que la suite √
n
converge
n≥1
en loi vers la loi normale centrée réduite. Ainsi, puisque f est continue et bornée,
   Z +∞
X1 + . . . + X n − n 1 t2
lim E f √ =√ f (t)e− 2 dt.
n→∞ n 2π −∞
D’autre part, pour tout n ≥ 1, la variable aléatoire X1 + . . . + Xn suit la loi de Poisson
de paramètre n. Ainsi,
∞
k − n nk
    
X 1 + . . . + Xn − n −n
X
E f √ =e f √ .
n k=0
n k!

En comparant ces deux égalités, on a la convergence voulue.

2. (Examen 2010) Durant l’année qui vient de s’écouler, 10000 enfants sont nés dans
une certaine ville. Parmi ces enfants, 5242 sont des filles et 4758 sont des garçons. Vous
paraît-il raisonnable de soutenir l’hypothèse qu’un enfant qui naît dans cette ville a exac-
tement autant de chance d’être un garçon que d’être unee fille ?
Solution de l’exercice 2. voir correction de l’examen 2010, 2eme session

3. Un marchand d’accessoires de magie vend des dés de deux sortes : des dés équitables
et des dés pipés où le chiffre 6 sort avec probabilité 1/5. Dans le dernier lot que son
fabricant lui a envoyé, le fabricant a oublié d’étiqueter les dés. Le marchand ne sait donc
pas quel dé est de quelle sorte.
Pour les départager, il les prend un à un, les lance mille fois chacun et note le nombre
de fois où il a obtenu 6. Il décide d’étiqueter “équitable” tout dé qui donne moins de

1
183 fois 6 et “pipé” un dé qui donne plus de 184 fois 6. En effet, raisonne-t-il, 183 '
1
2
(1000 ∗ 61 + 1000 ∗ 15 ).
a. Quelle proportion des dés équitables étiquette-t-il comme pipés ? Et quelle propor-
tion des dés pipés comme équitables ?
b. Le marchand sait que dans le lot qu’il a reçu, il y a à peu près autant de dés pipés
que de dés équitables. Le seuil de 183 est-il celui qui lui fait commettre au total le moins
d’erreurs ?
On pourra utiliser les valeurs suivantes de la fonction de répartition de la loi N (0, 1).
x 1 1.05 1.1 1.15 1.2 1.25 1.3 1.35 1.4 1.45 1.5
Φ(x) 0.841 0.853 0.864 0.875 0.885 0.894 0.903 0.911 0.919 0.926 0.933
Solution de l’exercice 3. a. Soit (Xn )n≥1 une suite de v.a. indépendantes de Bernouilli
de paramètre p = 1/6 et soit Sn = X1 + · · · + Xn le nombre de 6 obtenus sur n lancers
pour avec un dé équitable. On a E[X1 ] = p et Var(X1 ) = p(1 − p). D’où, par le théorème
de la limite centrale :
S − pn loi
p n −→ N (0, 1).
p(1 − p)n n→∞

Soit Z une v.a. suivant la loi normale centrée réduite. Ici, n = 1000, donc on peut ap-
procher la probabilité que le marchand déclare à tort un dé pipé à l’aide de la limite
ci-dessus :
!
S1000 − 1000/6 184 − 1000/6
P(S1000 ≥ 184) = P p ≥p
1000 × 5/36 1000 × 5/36
!
184 − 1000/6
≈ P Z≥p ≈ P(Z ≥ 1, 47) ≈ 0, 071.
1000 × 5/36
Par la loi des grands nombres, c’est à peu près la proportion de dés équitables qui seront
étiquetés pipés.
De même, en notant Tn le nombre de 6 obtenus avec un dé pipé, on trouve que le
marchand prendra un dé pipé pour un dé équilibré avec probabilité :
!
T1000 − 1000/5 183 − 1000/5
P(T1000 ≤ 183) = P p ≤p
1000 × 4/25 1000 × 4/25
!
183 − 1000/5
≈ P Z≤p ≈ P(Z ≤ −1, 34) ≈ 0, 091.
1000 × 4/25
b. Avec autant de dés pipés équilibrés, le marchand fera en moyenne 8, 1% d’erreurs
avec le seuil de 183 − 184. Avec un seuil de 182 − 183, on obtiendrait un taux d’erreur pour
les dés équitables d’environ P(Z ≥ 1.39) ≈ 0, 081, et pour les dés pipés P(Z ≤ −1.42) ≈
0, 085. Soit 8, 3% d’erreurs en moyenne.
Avec un seuil de 184 − 185, on obtiendrait un taux d’erreur pour les dés équitables
d’environ P(Z ≥ 1.56) ≈ 0, 060, et pour les dés pipés P(Z ≤ −1.26) ≈ 0, 104, soit 8, 2%
d’erreurs en moyenne.

2
 Le seuil choisi par le marchand minimise donc la proportion d’erreurs qu’il fera. En
effet, il s’agit d’un minimum local comme on vient de le voir, et global par convexité (il
suffit de voir que la dérivée est croissante) de la fonction
! !
184 + x − 1000/6 183 + x − 1000/5
x 7→ P Z ≥ p +P Z ≤ p
1000 × 5/36 1000 × 4/25

sur l’intervalle déterminé par 184+x−1000/6

≥
0 et 183 + x − 1000/5 ≤ 0. Et en dehors de
cet intervalle, l’erreur est d’au moins 1/2 pour un type de dés, donc supérieure à 1/4 en
moyenne.

4. Soient (Xn )n≥1 des variables aléatoires indépendantes identiquement distribuées et

√ intégrable. On suppose que leur loi a la propriété suivante : X1 + X2 a même loi
de carré
que 2X1 .
a. Exprimer, pour tout n ≥ 0, la loi de X1 + . . . + X2n en fonction de celle de X1 .
b. Déterminer la loi commune des variables aléatoires (Xn )n≥1 .
√ n de l’exercice 4. a. On va montrer par récurrence que X1 + . . . + X2n a même
Solution
loi que 2 X1 , pour tout n ≥ 1. Pour n = 1, c’est l’hypothèse. Supposons le résultat
démontré jusqu’au rang n et démontrons le au rang n + 1. On écrit

X1 + . . . + X2n+1 = (X1 + . . . + X2n ) + (X2n +1 + . . . + X2n+1 )

. La v.a. X2n +1 + . . . + X2n+1 est indépendante de X1 + . . . + X2n (car les Xn sont indé-
pendantes et on utilise des paquets d’indices √ disjoints) et de même loi. Par l’hypothèse de
n
récurrence,
√ n √ces deux√ v.a. ont même loi que 2 X1 . Mais alors leur somme a même loi que
n n
2 X1 + 2 X2 = 2 (X1 + X2 ), qui a bien même loi (d’après l’hypothèse pour n = 1)
√ n+1
que 2 X1 . Ce qui achève la preuve par récurrence.
b. Comme X1 √ est de carré intégrable, X1 est intégrable. L’hypothèse entraine alors que
E[X1 ] + E[X1 ] = 2E[X1 ], et donc E[X1 ] = 0. Soit σ 2 = E[X12 ]. On applique le théorème
de la limite centrale :
X1 + . . . + Xn loi
√ −→ N (0, σ 2 ).
n n→∞

On a la même convergence pour les sous-suites, et en particulier :

X1 + . . . + X2n loi
√ −→ N (0, σ 2 ).
2 n n→∞

Or, d’après la question précédente, le terme de gauche a même loi que X1 , qui suit donc
la loi N (0, σ 2 ).

5. Soit X une variable aléatoire réelle. Déterminer à quelle condition sur X la fonction
caractéristique de X ne prend que des valeurs réelles.

3
 Solution de l’exercice 5. Supposons que φX (t) soit réel pour tout t. Alors, pour tout t,
on a
φX (t) = φX (t) = E[eitX ] = E[e−itX ] = φ−X (t).
Ainsi, X et −X ont même loi. Réciproquement, si X et −X ont même loi, on a, pour
tout t réel,
φX (t) = φ−X (t) = E[e−itX ] = E[eitX ] = φX (t),
si bien que φX ne prend que des valeurs réelles.
Finalement, la fonction caractéristique de X est à valeurs réelles si et seulement si la
loi de X est symétrique, c’est-à-dire si X a même loi que −X.

6. Montrer que si une suite de variables aléatoires converge en loi et si chaque terme
de la suite a une loi exponentielle, alors la loi limite est exponentielle ou la masse de Dirac
en 0.
Solution de l’exercice 6. Soit (θn )n≥1 une suite de réels strictement positifs. Soit
(Xn )n≥1 une suite de variables aléatoires telle que pour tout n, Xn suive la loi expo-
nentielle de paramètre θn . Supposons que la suite (Xn )n≥1 converge en loi vers la loi d’une
variable aléatoire X. Nous allons déterminer la fonction caractéristique de X. Pour tout
n ≥ 1 et tout t réel, nous avons
θn
φXn (t) =
θn − it
et la suite (φXn (t))n≥1 converge, lorsque n tend vers l’infini, vers φX (t).
Supposons tout d’abord que φX (t) = 1 pour tout t réel. Alors X est la variable aléatoire
nulle et la suite (Xn )n≥1 converge en loi vers la masse de Dirac en 0.
Supposons maintenant qu’il existe un réel t0 tel que φX (t0 ) ne soit pas égal à 1. On a,
pour tout n ≥ 1, φXn (t0 ) = θnθ−it
n
0
, donc

it0 φXn (t0 )

θn = .
φXn (t0 ) − 1

Lorsque n tend vers l’infini, le membre de droite de cette égalité tend vers φitX0 φ(tX0 (t0)
)−1
. Le
membre de gauche converge donc aussi, ce qui signifie que la suite (θn )n≥1 admet une
limite, que nous notons θ et dont nous savons seulement que c’est un réel positif ou nul,
comme limite d’une suite de réels strictement positifs.
Lorsque n tend vers l’infini, et pour tout t réel non nul, on a donc
θn θ
lim φXn (t) = lim = .
n→∞ n→∞ θn − it θ − it
En particulier,
θ

θ−it
si t 6= 0
φX (t) =
1 si t = 0.

4
Si on avait θ = 0, la fonction φX ne serait pas continue, ce qui est impossible. On a donc
θ > 0, la variable X a la loi exponentielle de paramètre θ et la suite (Xn )n≥1 converge en
loi vers la loi exponentielle de paramètre θ.