Loi normale

Loi du khi-deux
Loi de Student
Loi de Fisher
Convergence

Statistique Appliquée à l’Économie

Chapitre 1: Principaux modèles statistiques usuels

Enseignant: Juste Somé, Ph.D.

UFR/SEG, Université Norbert Zongo

Mars 2018

Statistique Appliquée à l’Économie

 Loi normale
Loi du khi-deux
Loi de Student
Loi de Fisher
Convergence

Table of Content

1 Loi normale

2 Loi du khi-deux

3 Loi de Student

4 Loi de Fisher

5 Convergence
Inégalité de Bienaymé-Chebyshev
Théorème central limite

Statistique Appliquée à l’Économie

 Loi normale
Loi du khi-deux
Loi de Student
Loi de Fisher
Convergence

Objectif du cours :

Presenter les modèles statistiques usuels en économétrie

Utiliser les tables statistiques dans le calcul des probabilités des

lois usuelles.

Statistique Appliquée à l’Économie

 Loi normale
Loi du khi-deux
Loi de Student
Loi de Fisher
Convergence

Loi normale

x Une variable aléatoire réelle X suit une loi normale d’espérance µ

et d’écart type σ (strictement positif) si cette variable aléatoire réelle
X admet pour densité de probabilité la fonction f (x) définie, pour tout
nombre x, par :
1 1 x−µ 2
f (x) = √ e− 2 ( σ ) (1)
σ 2π

x Une loi normale sera notée de la manière suivante N(µ, σ) car elle
dépend de deux paramètres µ (la moyenne) et σ (l’écart-type). Ainsi
si une variable aléatoire X suit N(µ, σ) alors E(X ) = µ et V (X ) = σ 2 .

x La loi normale est aussi appelée loi gaussienne ou encore loi de

Laplace-Gauss.

Statistique Appliquée à l’Économie

 Loi normale
Loi du khi-deux
Loi de Student
Loi de Fisher
Convergence

Loi normale

x Lorsque la moyenne µ vaut 0, et l’écart-type σ vaut 1, la loi sera

notée N(0, 1) et sera appelée loi normale standard. Sa fonction
caractéristique vaut.
1 1 2
f (x) = √ e− 2 x (2)
2π

x Seule la loi N(0, 1) est tabulée.

Les autres lois normales d’autres paramètres se déduisent de la
loi normale standard à l’aide de la propriété suivante : si X suit
N(µ, σ) alors Z = X −µ
σ ∼ N(0, 1).

Statistique Appliquée à l’Économie

 Loi normale
Loi du khi-deux
Loi de Student
Loi de Fisher
Convergence

Loi normale
Règle de calcul des probabilités

Dans l’utilisation de la table de la loi normale standard N(0, 1), les

calculs de probabilités se font avec les règles suivantes:

P(X = a) = 0
P(X < a) = P(X 6 a)
P(X > a) = 1 − P(X 6 a)
P(X < −a) = P(X > a) = 1 − P(X < a)
P(|X | > a) = 2P(X < −a) = 2P(X > a)
P(−a < X < a) = 2P(X < a) − 1

Statistique Appliquée à l’Économie

 Loi normale
Loi du khi-deux
Loi de Student
Loi de Fisher
Convergence

Table de la loi normale standard

La table de la loi N (0, 1) permet deux choses pour une variable

aléatoire Z ∼ N(0, 1)

1 Connaissant la valeur de z > 0, trouver la valeur de P(Z < z)

2 Connaissant la valeur de d’une probabilité P(Z < z), trouver la

valeur de t > 0. correspondant.

Statistique Appliquée à l’Économie

 Loi normale
Loi du khi-deux
Loi de Student
Loi de Fisher
Convergence

Table de la loi normale standard

En général, on souhaite calculer des probabilités du type

P(X > x), P(X < x), P(|X | > x), P(a < X < b)

pour X ∼ N(µ, σ) pas nécessairement standard. Il faut alors procéder

de la façon suivante:

1 Re-exprimer les probabilités à calculer avec la variable aléatoire

Z = X −µ
σ .

2 Calculer la valeur de Z correspondant à la probabilité en

question en utilisant la table de la loi normale standard.

3 Convertir cette valeur de Z en valeur de X en utilisant la

transformation X = µ + Z σ
Statistique Appliquée à l’Économie
 Loi normale
Loi du khi-deux
Loi de Student
Loi de Fisher
Convergence

Loi normale
Exercice

Soit X suit une loi normal N(3, 0.25), calculez :

calculer P(X > 3.5).

Résultat: on a Z = X −µ 3.5−3
σ = 0.25 = 2.
P(X > 3.5) = P(Z > 2) = 1 − P(Z > 2) = 1 − 0.9772 = 0.0228.

trouvez x tel que P(X > x) = 0.4.

Posons Z = X −µ
σ . Alors X = σZ + µ. On va d’abord trouver z tel
que P(Z > z) = 0.4. On a P(Z > z) implique P(Z < z) = 0.6.
On trouve z = 0.26. D’ou x = σz + µ = 0.25 ∗ 0.26 + 3

Statistique Appliquée à l’Économie

 Loi normale
Loi du khi-deux
Loi de Student
Loi de Fisher
Convergence

Loi normale
Exercice

Supposons que X soit normale, de moyenne 8.0 et d’écart-type 5.0.

Trouver P(X > 8.6)

P(X > 8.6) = P(Z > 0.12) = 1.0 − P(Z 6 0.12)

= 1.0 − 0.5478 = 0.4522

Trouver maintenant la valeur de X telle que seulement 20% de

toutes les valeurs possibles soient inférieures à cette valeur de X

Statistique Appliquée à l’Économie

 Loi normale
Loi du khi-deux
Loi de Student
Loi de Fisher
Convergence

Loi normale
Propriétés

Si X suit une loi normale N(µ, σ) alors, pour tout nombre réel a,
a.X suite une loi normale N(a.µ, a.σ)

Si X1 et X2 suivent une loi normale N(µ1 , σ1 ) et N(µ2 , σ2 )

respectivement,
q alors, la somme X1 + X2 suit une loi normale
N(µ1 + µ2 , σ12 + σ22 )

Statistique Appliquée à l’Économie

 Loi normale
Loi du khi-deux
Loi de Student
Loi de Fisher
Convergence

Loi normale
Remarque

x La loi normale est une loi très importante pour plusieurs raisons :
Elle apparait dans de nombreux problèmes courants
La loi normale constitue une bonne approximation de la loi d’un
grand nombre de variables aléatoires
De plus, on dispose de la table de ses valeurs à laquelle on se
réfère pour des calculs approchés

Statistique Appliquée à l’Économie

 Loi normale
Loi du khi-deux
Loi de Student
Loi de Fisher
Convergence

Loi du khi-deux

Soient X1 , X2 , · · · , XN des variables aléatoires indépendantes de

même loi normale standard N(0, 1).

Posons χ2 = X1 + X2 + · · · + XN

Par définition, la variable aléatoire χ2 suit une loi de Khi-deux à n

degré de liberté (d.d.l.). On notera cette loi χ2 (n)

Statistique Appliquée à l’Économie

 Loi normale
Loi du khi-deux
Loi de Student
Loi de Fisher
Convergence

Loi du khi-deux
Propriétés

La loi Khi-deux χ2 est définie sur R+ , cest-à-dire χ2 > 0

la fonction de densité de La loi Khi-deux χ2 est de la forme

n x
cx 2 −1 e− 2 . La forme fonctionnelle de du paramètre c > 0 est
difficile à retenir!

E(χ2 ) = n et V (χ2 ) = 2n

La somme de deux variables aléatoires indépendantes suivant

respectivement χ2 (n1 ) et χ2 (n2 ) suit aussi une loi de χ2 avec
n1 + n2 degré de liberté.

p √
Pour n > 30, 2χ2 − 2n − 1 suit approximativement une loi
normale standard N(0, 1).
Statistique Appliquée à l’Économie
 Loi normale
Loi du khi-deux
Loi de Student
Loi de Fisher
Convergence

Loi du khi-deux
Exemple

Pour d.d.l. = 10, on a P(χ2 (10) > 18.31) = 0.05

Soit X une variable aléatoire de loi χ2 avec d.d.l. = 3. Calculez

P(X < 7.81).

Soit X une variable aléatoire de loi χ2 avec d.d.l. = 23. Calculez

P(X 6 34).

Soit X une variable aléatoire de loi χ2 avec d.d.l. = 30. Trouvez

x tel que
P(X > x) = 0.05
P(X 6 x) = 0.95
P(X > x) = 0.10

Statistique Appliquée à l’Économie

 Loi normale
Loi du khi-deux
Loi de Student
Loi de Fisher
Convergence

Loi de Student

Elle se définit à partir d’une loi normale standard N(0, 1) et d’une

loi du khi-deux.

Soient Z et Y deux variables aléatoire indépendances

√ telles que
Z ∼ N(0, 1) et Y ∼ χ2 (n). Posons T = √ZY n

Par définition, la variable aléatoire T suite une loi de student à n

degré de liberté. On note T ∼ T (n)

Statistique Appliquée à l’Économie

 Loi normale
Loi du khi-deux
Loi de Student
Loi de Fisher
Convergence

Loi de Student
Propriétés

T (n) admet une densité paire, cette loi est donc symétrique

n
On a E(T ) = 0 et V (T ) = n−2 si n > 2

Pour n > 30, T (n) peut être approchée par N(0, 1)

Pour n = 1, la loi de Student s’appelle loi de Cauchy, ou loi de

Lorentz.

Statistique Appliquée à l’Économie

 Loi normale
Loi du khi-deux
Loi de Student
Loi de Fisher
Convergence

Loi de Student
Exemple

Pour d.d.l. = 5, on a P(|T (5)| > 2.571) = 0.05

Soit T une variable aléatoire de loi de Student avec d.d.l. = 10.

Trouvez x tel que
P(|T | 6 x) = 0.99
P(|T | 6 x) = 0.95
P(|T | > x) = 0.01

Statistique Appliquée à l’Économie

 Loi normale
Loi du khi-deux
Loi de Student
Loi de Fisher
Convergence

Loi de Fisher

Soient X1 et X2 deux variables aléatoires indépendantes telles

que X1 ∼ χ2 (n1 ) et X2 ∼ χ2 (n2 ), alors la variable aléatoire

X1 /n1
F =
X2 /n2

suit une loi de Fisher-Snedecor à (n1 , n2 ) degrés de liberté, et on

note F ∼ F(n1 , n2 ).

n2
On a E(F ) = n2 −2 , définie que si n2 > 2.

2n22 (n1 +n2 −2)

La variance est donnée par V (F ) = n1 (n2 −2)2 (n2 −4)
définie que
n2 > 4.

Statistique Appliquée à l’Économie

 Loi normale
Loi du khi-deux
Loi de Student
Loi de Fisher
Convergence

Loi de Fisher
Exemple

La lecture de la table statistique de Fisher indique

P(F(3, 2) > 19.164) = 0.05

Soit F une variable aléatoire de loi de Fisher avec n1 = 5 et

n1 = 10 degré de liberté. Trouvez x tel que
P(F 6 x) = 0.99
P(F 6 x) = 0.95
P(F > x) = 0.025

Statistique Appliquée à l’Économie

 Loi normale
Loi du khi-deux
Inégalité de Bienaymé-Chebyshev
Loi de Student
Théorème central limite
Loi de Fisher
Convergence

Inégalité de Bienaymé-Chebyshev

Soit X une variable aléatoire admettant une espérance E(X ) (finie) et

de variance finie σ 2 . Alors, pour tout réel  strictement positif

σ2
P(|X − E(X )| > ) 6 (3)
2

Remarque : L’inégalité de Bienaymé-Chebyshev découle de

l’inégalité de Markov.

Statistique Appliquée à l’Économie

 Loi normale
Loi du khi-deux
Inégalité de Bienaymé-Chebyshev
Loi de Student
Théorème central limite
Loi de Fisher
Convergence

Théorème central limite

x Soit une suite (Xn ) de variables aléatoires définies sur domaine,

suivant la même loi quelconque donnée et dont l’espérance µ et
l’écart-type σ communes existent et soient finies. On suppose que
les (Xn ) sont indépendantes.

x Considérons la somme Sn = X1 + X√ 2 + · · · + Xn . Alors l’espérance

de Sn est n.µ et son écart-type vaut σ n et la variable Snσ−n.µ
√
n
converge en loi vers une variable aléatoire normale standard.

x Le théorème central limite justifie l’importance considérable de la loi

normale, à la fois comme modèle pour décrire des situations
pratiques très fréquentes, mais aussi comme outil théorique.

Statistique Appliquée à l’Économie