Le théorème de Moivre-Laplace.

Documents pareils
Baccalauréat S Asie 19 juin 2014 Corrigé

16.1 Convergence simple et convergence uniforme. une suite de fonctions de I dans R ou C.

1 Mesure et intégrale

La spirale de Théodore bis, et la suite «somme=produit».

Intégration et probabilités ENS Paris, TD (20)13 Lois des grands nombres, théorème central limite. Corrigé :

CHAPITRE 2 SÉRIES ENTIÈRES

Chapitre 3 : Fonctions d une variable réelle (1)

STATISTIQUE : TESTS D HYPOTHESES

Limites des Suites numériques

. (b) Si (u n ) est une suite géométrique de raison q, q 1, on obtient : N N, S N = 1 qn+1. n+1 1 S N = 1 1

[ édité le 10 juillet 2014 Enoncés 1. Exercice 6 [ ] [correction] Si n est un entier 2, le rationnel H n =

Exercice I ( non spé ) 1/ u 1 = u / Soit P la propriété : u n + 4. > 0 pour n 1. P est vraie au rang 1 car u 1

Intégrales généralisées

x +1 + ln. Donner la valeur exacte affichée par cet algorithme lorsque l utilisateur entre la valeur n =3.

Déroulement de l épreuve de mathématiques

Séries réelles ou complexes

INTENTION LES PROCESSUS MATHÉMATIQUES

Processus et martingales en temps continu

Suites et séries de fonctions

Groupe orthogonal d'un espace vectoriel euclidien de dimension 2, de dimension 3

SÉRIES STATISTIQUES À DEUX VARIABLES

Etude de la fonction ζ de Riemann

Exo7. Déterminants. = 4(b + c)(c + a)(a + b). c + a c + b 2c Correction. b + a 2b b + c. Exercice 2 ** X a b c a X c b b c X a c b a X

Correction de l épreuve CCP 2001 PSI Maths 2 PREMIÈRE PARTIE ) (

II LES PROPRIETES DES ESTIMATEURS MCO 1. Rappel : M1 LA REGRESSION : HYPOTHESES ET TESTS Avril 2009

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

14 Chapitre 14. Théorème du point fixe

a g c d n d e s e s m b

Les Nombres Parfaits.

Tout ce qu il faut savoir en math

Comportement d'une suite

4 Approximation des fonctions

Séquence 5. La fonction logarithme népérien. Sommaire

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

A11 : La représentation chaînée (1ère partie)

STATISTIQUE AVANCÉE : MÉTHODES

Cours de Statistiques inférentielles

Chapitre 2 Le problème de l unicité des solutions

Dénombrement. Introduction. 1 Cardinaux d'ensembles nis. ECE3 Lycée Carnot. 12 novembre Quelques dénitions

Statistique descriptive bidimensionnelle

FEUILLE D EXERCICES 17 - PROBABILITÉS SUR UN UNIVERS FINI

COURS D ANALYSE. Licence d Informatique, première. Laurent Michel

Convergences 2/2 - le théorème du point fixe - Page 1 sur 9

Introduction : Mesures et espaces de probabilités

Synthèse de cours (Terminale S) Calcul intégral

ANALYSE : FONCTIONS D UNE VARIABLE RÉELLE

LICENCE DE MATHÉMATIQUES DEUXIÈME ANNÉE. Unité d enseignement LCMA 4U11 ANALYSE 3. Françoise GEANDIER

Deuxième partie : LES CONTRATS D ASSURANCE VIE CLASSIQUES

PROBLEMES DIOPTIMISATION EN NOMBRES ENTIERS J. L. NICOLAS

Chapitre 7 : Intégration sur un intervalle quelconque

Correction du Baccalauréat S Amérique du Nord mai 2007

Influence du milieu d étude sur l activité (suite) Inhibition et activation

PROMENADE ALÉATOIRE : Chaînes de Markov et martingales

Université de Bordeaux - Master MIMSE - 2ème année. Scoring. Marie Chavent machaven/

semestre 3 des Licences MISM annnée universitaire

Commun à tous les candidats

20. Algorithmique & Mathématiques

Dénombrement. Chapitre Enoncés des exercices

Statistique Numérique et Analyse des Données

Séquence 8. Probabilité : lois à densité. Sommaire

TRANSFERT DE CHARGE DANS UN RÉSEAU DE PROCESSEURS TOTALEMENT CONNECTÉS (*) par Maryse BÉGUIN ( 1 )

RESOLUTION PAR LA METHODE DE NORTON, MILLMAN ET KENNELY

ANALYSE NUMERIQUE NON-LINEAIRE

Chaînes de Markov. Arthur Charpentier

Amphi 3: Espaces complets - Applications linéaires continues

Cours 5 : ESTIMATION PONCTUELLE

Calculer comment se constituer un capitale ; Calculer comment rembourser une dette en effectuant des versements réguliers.

Probabilités et statistique pour le CAPES

Théorème de Poincaré - Formule de Green-Riemann

3.1 Différences entre ESX 3.5 et ESXi 3.5 au niveau du réseau. Solution Cette section récapitule les différences entre les deux versions.

Exercices de mathématiques

Terminale S. Terminale S 1 F. Laroche

LES ÉCLIPSES. Éclipser signifie «cacher». Vus depuis la Terre, deux corps célestes peuvent être éclipsés : la Lune et le Soleil.

Sciences Industrielles Précision des systèmes asservis Papanicola Robert Lycée Jacques Amyot

Chapitre 11 : L inductance

Module 3 : Inversion de matrices

2 ième partie : MATHÉMATIQUES FINANCIÈRES

Des résultats d irrationalité pour deux fonctions particulières

Solutions particulières d une équation différentielle...

Intégrales dépendant d un paramètre

UV SQ 20. Automne Responsable d Rémy Garandel ( m.-el. remy.garandel@utbm.fr ) page 1

Processus géométrique généralisé et applications en fiabilité

Polynésie Septembre Exercice On peut traiter la question 4 sans avoir traité les questions précédentes.

Séries numériques. Chap. 02 : cours complet.

Chapitre 3 : Transistor bipolaire à jonction

Université Paris-Dauphine DUMI2E. UFR Mathématiques de la décision. Notes de cours. Analyse 2. Filippo SANTAMBROGIO

Chapitre 2 SONDAGE ALEATOIRE SIMPLE OU A PROBABILITES EGALES. 2.1 DEFINITIONS 2.2 SONDAGE ALEATOIRE SIMPLE SANS REMISE (PESR) 2.2.

SYSTEME FERME EN REACTION CHIMIQUE

- Phénoméne aérospatial non identifié ( 0.V.N.I )

Principes et Méthodes Statistiques

INTRODUCTION AUX MATRICES ALÉATOIRES. par. Djalil Chafaï

Planche n o 22. Fonctions de plusieurs variables. Corrigé

Contribution à la théorie des entiers friables

Chap 4. La fonction exponentielle Terminale S. Lemme : Si est une fonction dérivable sur R telle que : = et 0! = 1 alors ne s annule pas sur R.

Consolidation. C r é e r un nouveau classeur. Créer un groupe de travail. Saisir des données dans un groupe

EXERCICES : DÉNOMBREMENT

Chapitre VI Contraintes holonomiques

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48

Estimation des incertitudes sur les erreurs de mesure.

Un nouvel opérateur de fusion adaptatif. A new adaptive operator of fusion. 1. introduction

Transcription:

Le théorème de Moivre-Lplce. Ue démostrtio complète ds le cs p = 1/2. 1 - Eocé du théorème. 2 - Démostrtio du théorème de Moivre-Lplce lorsque p = 1/2. - Les étpes de l démostrtio. b - Covergece de f (t vers e t2 /2. 4 - Clcul de l itégrle de Guss. 5 - Démostrtio du théorème de Moivre-Lplce lorsque p 1/2. 6 - L loi des erreurs. 1 Eocé du théorème. Théorème 1. O suppose que pour tout, X suit l loi biomile B(, p vec p ], 1[. O pose Z = X p pq vec q = 1 p. Alors pour tous réels et b tels que < b, lim P( Z b = b dt Nous commeços pr le cs p = 1/2. Le résultt suivt se démotre vec des outils ccessibles u iveu termile (rppelos que cette démostrtio est hors progrmme. Théorème 2. O suppose que pour tout, X suit l loi biomile B(, 1/2. O pose Z = X /2 /2. Alors pour tous réels et b vérifit < b, il existe u réel K > idépedt de tel que P( Z b b dt K (1,86,85,84,83,82,81,8,79,78 2 4 6 8 1 Figure 1 L suite ( P( Z b coverge vers b dt ( = 1, b = 2. 1

Remrquos que X pred des vleurs etières comprises etre et, et doc Z pred les vleurs t = /2 /2. L vitesse de covergece e 1/ est optimle puisque si et b sot ds le même itervlle [t, t +1 ] vec > et b 1/ (possible cr t +1 t = 2/, lors P ( Z b = et doc P( Z b b dt b = dt /2 e b2 2 Démostrtio du théorème de Moivre-Lplce lorsque p = 1/2. Les étpes de l démostrtio. Nous llos costruire ue foctio e esclier f telle que P( Z b = b f (tdt, où est proche de et b est proche de b (P( Z b est l ire du domie représeté /2 sur l figure 1 lorsque = 1, b = 2 et = 192, et telle que f (t est proche de e t2.,5,3,1 K3 K2 K1 1 2 3 Figure 2 Représettio grphique de f et de l foctio t e t2 /2. Défiissos tout d bord l foctio e esclier f : pour tout tel que, f est costte égle à P(X 2 = sur J = [t 1, t + 1 [, et f est ulle e dehors de l uio de ces itervlles. Propositio 3. Si t = /2, = mi{; t [, b]} et = mx{; t [, b]}, /2 = t 1 et b = t + 1, lors P( Z b = Preuve. Pr l formule de l ire d u rectgle, O doc : P( Z b = P(t Z t = t +1/ t 1/ = P(Z = t = b f (tdt. f (tdt =P(X ==P(Z =t. = t +1/ t 1/ f (tdt = b f (tdt. 2

Propositio 4. Si A = sup{, b } et > A 2, lors I = b e t2/2 b dt dt 1,5,3,1 K3 K2 K1 1 2 3 Figure 3 L ire de l réuio des deux domies représetés est égl à I ( = 1, b = 2, = 192. Preuve. E effet, b e t2/2 b dt dt dt + e t2/2 b b dt = I 1 + I 2 Comme > A 2, lors t = < et t = > b, doc 1 1, d où t 1 = t 2 < t, et comme = t 1, o 1. De plus, /2 e t2 1/2, pr coséquet I1 1 2. De même, b b 1 et I 2 1 2. Le résultt suivt motre que f est proche de e t2 / et est démotré e sectio 3. Propositio 5. Il existe C > tel que si t [, b ] et >4A 2, lors f (t e t2 /2 C. Le théorème de Moivre-Lplce découle fcilemet de ces propositios. E effet, d près l propositio 3 et l iéglité trigulire, P( Z b b b dt b f (tdt dt b + dt b dt D près l propositio 4, le deuxième terme de droite est mjoré pr 1/, et d utre prt, d près l propositio 5, b f (tdt b dt b f (t e t2/2 dt b 3 C dt C(b + 2

b Covergece de f (t vers e t2 /2. Nous llos motrer l propositio 5 : il existe C > tel que si > 4A 2, lors pour tout t [, b ], f (t e t2 C. Ceci résulte des deux propositios suivtes lorsque est pir. Le cs impir est trité e fi de sectio.,5,3,1 K3 K2 K1 1 2 3 Figure 4 Compriso des grphes de f et de l foctio x exp ( x 2 /2 /. Propositio 6. Si 2 est pir, lors 1 1 f ( 1. Ceci implique, d près le théorème des gedrmes, que lim f ( = 1. +, pir Propositio 7. Si 2 est pir, lors f (t f (. Si de plus 4A 2 et t A, il existe u réel L > tel que f (t f ( e t2 /2 L Preuve de l propositio 5 pour pir. Si 4A 2 et t [, b ], il existe tel que et t J cr l uio des J pour est égle à [, b ]. Pr coséquet, f (t = f (t et e t 2 /2 e t2 /2 t t 1 1. Comme, o t A, et doc, d près l propositio 6 et l propositio 7, f (t e t2 /2 f (t f ( f ( 1 + f (t f ( e t2 /2 + e t2/2 e t2 /2 1 + L + 1 L + 2 Nous démotros mitet les propositios 6 et 7. Les vleurs de l foctio f fot iterveir les coefficiets p, = P(X = où X suit l loi biomile B(, 1/2. Le lemme suivt doe ue propriété des p, (propriété évidete si o sit que (! =!(!. 1. voir exercice e prtie III 4

Lemme 8. p,+1 = + 1 p,. Démotrtio pr récurrece sur. Comme p, = (P pour tout 1, ( /2, il suffit d étblir : ( +1 = + 1 L propriété (P 1 est vérifiée puisque p 1,1 = p 1, = 1. Si (P est vérifié et si, ( +1 ( ( o lors, e utilist l reltio de Pscl = + et l reltio (P : ( + 1 ( +1 +1 +1 +1 ( ( = ( + 1 + ( + 1 = ( +1 ( ( = ( + 1 + = ( + 1 ( +1 = ( + 1 ( ( ( ( + ( + 1 + ( ( 1 Lemme 9. Soit p m = p 2m,m l probbilité d obteir m piles près voir lcé ue pièce 1 2m fois. Alors 1 + 1 mπp 2 m 1. 2m Notos m! le produit des etiers de 1 à m. E ppliqut le lemme 8, o obtiet Posos I m = p m =p 2m,m = m+1 m p 2m,m 1 = = 1 (m+1(m+2 2m p = m(m 1 1 (1 t 2 m 2 dt. L suite (Im est décroisste. (2m! 2 2m (m! 2 E effet, si t [, 1], lors (1 t 2 m+1 2 (1 t 2 m 2. E itégrt, I m+1 I m. ( 1 1,,8,6,6,8 1, Figure 5 grphe des foctios t (1 t 2 m/2. O I = 1, I 1 = π/4 (ire du qurt du disque uité, et l reltio de récurrece I m = m m + 1 I m 2. 5

E effet, si f(t = t(1 t 2 m 2, il suffit de clculer f (t et d itégrer l reltio obteue etre et 1. E itért l reltio de récurrece, I 2m = de même, 2m 2m + 1 I 2m 1 = I 2m 1 = 2m 1 2m 3 2m 2m 2 3 4 I 1 = 2m 2m 2 2m + 1 2m 1 2 3 I = 22m (m! 2 (2m + 1! = 1 (2 (2m + 1p m (2m! [ 2m(2m 2( 2 ] 2 π 2 = (2m! 2 2m (m! 2 π 2 = π 2 p m et doc I 2m 1 I 2m = (1 + 1 2m mπp2 m. Comme (I m est décroisste, I 2m I 2m 1 I 2m 2, et e divist pr I 2m, o 1 (1 + 1 2m mπp2 m I 2m 2 = 1 + 1, d où le résultt. I 2m 2m Preuve de l propositio 6. Si = 2m, lors (1 1 2 1 1 + 1 π 2 p2 m 1. Ceci résulte du lemme 9. Or, f ( = p 2 m. O coclut e pret l rcie crrée. Nous utiliseros ds l démostrtio de l propositio 7 les résultts suivts : Lemme 1. 1 x 1 + x = exp{ 2x + ε(x}, vec ε(x x3 si x 1/2. U clcul doe ε(u = l(1 u l(1 + u + 2u et ε (u = 2u2 1 u 2. Si u 1/2, o 3u 2 ε (u 3u 2. E itégrt etre et x, o x 3 ε(x x 3. Lemme 11. Si l 1, lors l 1 i = l(l 1 2 et l 1 i 3 l 4 /4 (pr récurrece. Il résulte de ces deux lemmes que si l, m N et si 1 l m/2 et si v l = v l = exp ( l 2 m + l l 1 m + ε(i/m, vec l 1 ε(i/m l 1 ε(i/m l 1 (1 i m l 1 1 l 1 i 3 m 3 (1+ i m, lors l4 4m 3. Preuve de l propositio 7. Si = 2m, lors f (t f ( = p,. Comme ( ( p = m, o peut supposer que > /2. Le produit des reltios p 2m,i+1 = 2m i i+1 p 2m,i pour i vrit de m à 1, doe : f (t f ( = p, p m = p, p 2m,m = (2m + 1(2m + 2( m (m + 1(m + 2( 6

1,,9,8,7,6,5,3,1 5 1 15 2 Figure 6 L suite (v l (ici m = 96. E divist chque terme du umérteur et du déomiteur pr m, f (t f ( = m v m. Ceci implique f (t f (, ce qui est églemet vérifié si t est ds ucu J cr ds ce cs f (t =. Supposos de plus que t A et 4A 2. Comme m = t /2, ( m/m = t / 1/2 et ( m 2 /m = t 2 /2, o : et f (t f ( v m = m v m = exp { t2 } { t } exp + δ 2 v m m m vec δ = t A ( m4 4m 3 = t4 8 t4 8 Pr coséquet, v m e t2 /2 exp { (t + t 4 /8/ } 1 exp { C/ } 1, vec C = A + A 4 /8. D près l iéglité de covexité e x 1 xe x pour x >, v m e t2 /2 K/ vec K = Ce C D où, f (t f ( e t2 /2 f (t f ( v m + v m e t2 /2 A + K = L 1,,8,6 1 2 3 Figure 7 L foctio t et l suite de poits ( t, f (t /f ( (ici = 192. Preuve de l propositio 5 pour impir. O v se rmeer u cs pir de l fço suivte. Rppelos que t = /2 /2 et otos τ = ( 1/2 1/2 l subdivisio ssociée u 7

rg 1 ( 1 est pir. Pour tout 1 1, o τ 1 t τ. Si t J, lors t τ t t + t τ 3/ et t τ 1 3/. D près l reltio de Pscl, f (t = 2 p ( 1, = p 1, + p 1, 1 = 4 2 ( f 1 (τ + f 1 (τ 1 1 1/ 1 Or 1 1/, et d près l propositio 6, f 1 (τ 1 et f 1 (τ 1 1, 1 1/ doc ( 2f (t f 1 (τ f 1 (τ 1 2/. Pr coséquet 2 f (t 2 + f 1 (τ e τ 2 /2 + f 1 (τ 1 e τ 2 1 /2 + e τ 2 /2 + e τ 2 1 /2 D près le cs pir, f 1 (τ e τ 2/2 C/ et f 1 (τ 1 e τ 2/2 C/. De plus, e τ 2/2 e t2 /2 τ t 3/ et e τ 1 2 /2 e t2 /2 τ 1 t 3/. Il existe doc ue costte C telle que f (t e t2 C. 4 Clcul de l itégrle de Guss. Théorème 12. Si G(x = x x x lim x + x dt =. dt, il suffit de motrer que si = (x l prtie etière de x 2 /2, lors 1+1/2 G(x E effet, comme lim (x = +, le théorème des gedrmes permet de coclure que x + lim G(x existe et est égl à. Mjortio. Pour tout, P( x Z x 1, doc, d près le théorème de Moivre- Lplce : G(x = lim P( x Z x Miortio. Notos que 2 x. Pr illeurs, pour < v < 1, o (1 v e v (pour le voir, psser u logrithme et utiliser le cocvité de l foctio logrithme. Pr coséquet, vec le chgemet de vrible u = t/ 2, x dt 2 dt = 2 1 Pr coséquet, d près (2 et le lemme 9, G(x 2 2I 2 = e u2 du 2 2 2 (2 + 1p 8 1 1+ 1 2 (1 u 2 du = 2I 2

5 Démostrtio du théorème de Moivre-Lplce lorsque p 1/2. Notre but est de démotrer le théorème 1. Supposos que X suit l loi biomile B(, p et posos Z = X p vec q = 1 p. Si X =, lors Z = t = h ( p vec pq h = 1, et P(Z = t = P(X = = p, = ( pq p q. Soit f l foctio défiie pr f (t = 1 p, 1I [t h h /2,,t +h /2[(t. Le grphique suivt représete f pour = = 192 et p =, 2. L covergece est plus lete que pour p =, 5 (rectgles plus gros et f est plus pire.,5,3,1 K3 K2 K1 1 2 3 Figure 8 Représettio grphique de f et de l foctio t e t2 /2. De mière logue u cs p = 1/2, o motre que P( Z b = b f (tdt vec h /2 et b b h /2. Le résultt suivt géérlise l propositio 5. S démostrtio est d u iveu plus élevé et ous e l détilleros ps complètemet. Propositio 13. Il existe ue costte C > tel que pour tout t [ A, A], f (t e t2 C Preuve de l propositio 13. Rppelos l formule de Stirlig :! = ( (1+ε e vec lim ε =. Plus précisémet, pour tout, ε 1/. Pour et t fixés, il existe tel que t [t, t +1 [, d où, e ppliqut l formule de Stirlig trois fois, f (t = p, h vec M = ( = ( p q pq = p q ( 1, R =!!(! p q pq = M R (1 + ε, pq ( et 1 + ε, = (1 + ε (1 + ε (1 + ε Il existe ue costte S telle que pour tout, ε, S/. E effet, ε 1/, et, si est ssez grd, pour tout t [ A, A], /4 3/4 et doc ε 4/ et ε 4/. 9

Etude de M. Notos que = p + t h = p ( ( 1 + u et = q 1 + v, vec u = q t p et v = p t q, et doc M = exp { pϕ(u qϕ(v } où ϕ(u = (1+u l(1+u. O peut motrer que ϕ(u = u+u 2 /2+β(u vec β(u u 3 /3 si u [ 1/2, 1/2]. Pr coséquet, pϕ(u + qϕ(v = ( pu + pu 2 /2 + pβ(u + qv + qv 2 /2 + qβ(v = t 2 /2 + ( pβ(u + qβ(v Comme les t sot ds [ A, A] il existe K > tel que u, v K/ 1/2 si est ssez grd, et doc pβ(u + qβ(v K 3 / 3/2. Pr suite, M = e t2 /2 (1 + ε, et il existe ue costte M > tel que ε, M/ Etude de R. Comme R = 1 ( 1 + u ( 1 + v, o R = 1 (1 + ε, et il existe ue costte R > tel que ε, R/. E coclusio, f (t = e t2 /2 (1 + δ, et il existe C > tel que δ, C /. Comme t t h, o e déduit qu il existe ue costte C > tel que f (t e t2 /2 C. Remrque 14. Lorsque p = 1/2, il existe L > tel que f (t f ( e t2 /2 L pour tout et pour tout. Des simultios umériques idiquet qu o peut predre L =, 1 (voir figure 7. L ordre de grdeur de f (t e t2 /2 / est doc e 1/, tdis que l ordre de grdeur de f (t / est e géérl seulemet e 1/. Ceci cofirme /2 l impressio visuelle que l foctio f est très proche de l foctio e t2 ux poits t.,6,4,2 K4 K3 K2 K1 K,2 1 2 3 4 K,4 K,6 K,8 Figure 9 Suites (t, ( f (t e t2 /2 qud p = 1/2 pour diverses vleurs de. Pr cotre, lorsque p 1/2, l vitesse de covergece est e 1/. Plus précisémet les poits ( p(1 p ( t, f (t e t2 /2 pour ssez grd se trouvet tous proches d ue p 1/2 même courbe comme idiquée sur l figure 8. 1

,15,1,5 K4 K3 K2 K1 K,5 1 2 3 4 K,1 K,15 Figure 1 Suites ( t, 6 L loi des erreurs. p(1 p p 1/2 ( f (t e t2 /2 qud p 1/2 pour diverses vleurs de et p. Ue vrible X de loi biomile représete le ombre de succès lors d ue suite de épreuves idépedtes vec probbilité de succès p à chque épreuve. Pour 1, o ote Y l vrible létoire égle à 1 si o u succès à l -ème épreuve et sio. O doc X = Y. D utre prt, l espérce commue ux Y est m = p, l vrice de =1 Y est E(Y 2 E(Y 2 = m m 2 = p(1 p et l écrt-type de Y est doc σ = p(1 p. Rppelos le théorème de Moivre-Lplce ( lim P Y m =1 σ b = b dt (3 Le théorème limite cetrl éoce que (3 reste vri si o suppose que les vribles Y sot idépedtes, de même loi, d espérce m et d écrt-type σ fii (o e défiir ps l idépedce de vribles létoires et o s ppuier sur l ituitio. O peut doc supposer que les Y suivet ue loi uiforme sur [, 1], ou qu elles suivet ue loi expoetielle. Ds ce cs bie etedu, X = Y e suit plus ue loi biomile, mis d près =1 l reltio (3, les itervlles de fluctutio symptotiques restet les mêmes. L figure Y m =1 suivte représete les desités f des vribles Z = σ lorsque les vribles Y suivet ue loi expoetielle et que = 4, 16, 35, 64 et 1.,3,1 K3 K2 K1 1 2 3 Figure 11 Compriso des grphes de f et de l foctio x exp ( x 2 /2 /. 11

Le théorème limite cetrl exprime le fit qu ue somme X d u grd ombre de vribles idépedtes, de même loi, et de vrice fiie ue distributio à peu près gussiee. L loi des erreurs géérlise ce fit là à ue somme de petites vribles idépedtes dot ucue est prépodérte. C est e riso de cette uiverslité que les vribles létoires itervet e modélistio sot souvet supposées suivre des lois ormles. Nous llos illustrer ce fit pr l exemple du tireur à l crbie. 2 2 1 1 K2 K1 1 2 K1 K2 K1 1 2 K1 K2 K2 Figure 12 1 rélistios de (X, Y où X, Y sot des gussiees cetrées d écrt-type 1, puis d écrt-type, 4. Observez pr exemple l figure ci-dessus. Elle est obteue e effectut rélistios de couples (X, Y (1 de vribles gussiees idépedtes cetrées. Elle correspod bie ux résultts obteus à u tir à l crbie sur ue cible. Expliquos pourquoi. Si (X, Y sot les coordoés du -ième tir, X et Y sot des sommes de petites vribles idépedtes (erreur de visée, tremblemet, défut de cocetrtio, recul, perturbtio pr u élémet extérieur comme u cotrejour ou u cri,... D près l loi des erreurs, il est doc risoble de supposer que (X, Y est u couple de vribles gussiees. De plus, l idépedce des tirs est exprimée pr le fit que les couples (X, Y sot idépedts etre eux. Efi, l écrt-type de ces gussiee mesure l dresse du tireur : plus il est petit, et plus le tireur est droit. 12