Comment exploiter la stabilité de la loi $\gamma$ et de la loi normale pour la somme de variables indépendantes ? | MetMat

Comment exploiter la stabilité de la loi $\gamma$ et de la loi normale pour la somme de variables indépendantes ?

En utilisant la stabilité affine $X_i \sim \mathcal{N}(\mu_i, \sigma_i^2)$ indépendantes $\Rightarrow aX_1 + bX_2 + c \sim \mathcal{N}(a\mu_1 + b\mu_2 + c, a^2\sigma_1^2 + b^2\sigma_2^2)$

Déterminer la loi d'une combinaison linéaire $aX + bY + c$ de variables normales indépendantes.

L'objectif

Déterminer la loi d'une combinaison linéaire $aX + bY + c$ de variables normales indépendantes.

Le principe

Si $X_1 \sim \mathcal{N}(\mu_1, \sigma_1^2)$ et $X_2 \sim \mathcal{N}(\mu_2, \sigma_2^2)$ sont indépendantes, alors pour tous réels $a, b, c$ (avec $(a,b) \neq (0,0)$ ) on a $aX_1 + bX_2 + c \sim \mathcal{N}(a\mu_1 + b\mu_2 + c,\ a^2\sigma_1^2 + b^2\sigma_2^2)$ (résultat admis au BO).

La méthode

1
J'identifie les paramètres $(\mu_i, \sigma_i^2)$ des lois normales de chaque $X_i$ et je vérifie l'indépendance des variables.
2
Je repère les coefficients $a, b, c$ de la combinaison linéaire étudiée, en veillant à bien écrire l'éventuelle constante $c$ .
3
Je calcule la nouvelle moyenne $m = a\mu_1 + b\mu_2 + c$ par linéarité de l'espérance.
4
Je calcule la nouvelle variance $s^2 = a^2\sigma_1^2 + b^2\sigma_2^2$ (indépendance) et je conclus $aX_1 + bX_2 + c \sim \mathcal{N}(m, s^2)$ .

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

Soit $X \sim \mathcal{N}(2, 9)$ et $Y \sim \mathcal{N}(-1, 4)$ indépendantes. Déterminer la loi de $Z = X + Y$ .

Application guidée 2

Soit $X \sim \mathcal{N}(0, 1)$ et $Y \sim \mathcal{N}(0, 1)$ indépendantes. Déterminer la loi de $W = 3X - 4Y + 5$ .

Application autonome 1

Soit $X_1, \dots, X_n$ i.i.d. de loi $\mathcal{N}(\mu, \sigma^2)$ . Déterminer la loi de la moyenne empirique $\overline{X}_n = \frac{1}{n}\sum_{i=1}^n X_i$ .

Application autonome 2

Soit $X \sim \mathcal{N}(1, 4)$ et $Y \sim \mathcal{N}(3, 1)$ indépendantes. Calculer $P(X < Y)$ .

Application autonome 3

Soient $X_1 \sim \mathcal{N}(2, 1)$ et $X_2 \sim \mathcal{N}(-1, 4)$ indépendantes. Déterminer la loi de $2 X_1 - X_2$ .

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