MetMat

Comment justifier l'approximation de la loi binomiale B(n,p)\mathcal{B}(n,p) par la loi normale ?

En écrivant B(n,p)\mathcal{B}(n,p) comme somme de nn Bernoulli i.i.d. et en appliquant le TLC

L'objectif

Justifier l'approximation B(n,p)N(np,np(1p))\mathcal{B}(n, p) \approx \mathcal{N}(np, np(1-p)) pour nn grand à partir du TLC.

Le principe

Si SnB(n,p)S_n \sim \mathcal{B}(n, p), alors Sn=i=1nYiS_n = \sum_{i=1}^n Y_i avec YiB(p)Y_i \sim \mathcal{B}(p) i.i.d. d'espérance pp et de variance p(1p)p(1-p) ; le TLC donne Snnpnp(1p)LN(0,1)\dfrac{S_n - np}{\sqrt{np(1-p)}} \xrightarrow{\mathcal{L}} \mathcal{N}(0,1), d'où B(n,p)N(np,np(1p))\mathcal{B}(n, p) \approx \mathcal{N}(np, np(1-p)) pour nn grand (conditions pratiques : n30n \geq 30, np5np \geq 5, n(1p)5n(1-p) \geq 5).

La méthode
  1. 1
    Je décompose SnB(n,p)S_n \sim \mathcal{B}(n, p) en somme Sn=i=1nYiS_n = \sum_{i=1}^n Y_iYiB(p)Y_i \sim \mathcal{B}(p) i.i.d., avec E(Y1)=pE(Y_1) = p et V(Y1)=p(1p)>0V(Y_1) = p(1-p) > 0.
  2. 2
    J'applique le TLC : Snnpnp(1p)LN(0,1)\dfrac{S_n - np}{\sqrt{np(1-p)}} \xrightarrow{\mathcal{L}} \mathcal{N}(0,1).
  3. 3
    J'en déduis l'approximation B(n,p)N(np,np(1p))\mathcal{B}(n, p) \approx \mathcal{N}(np, np(1-p)) pour nn grand, valable dès que n30n \geq 30, np5np \geq 5 et n(1p)5n(1-p) \geq 5.
  4. 4
    Pour un calcul numérique, je standardise l'événement et je lis les valeurs dans la table de Φ\Phi.

Exemple corrigé

Difficulté croissante de 1 à 3

Exercices aujourd'hui0 / 3

Prêt à t'entraîner ?

Génère un exercice personnalisé sur cette méthode et entraîne-toi avec la correction IA.