La Loi Normale
La loi normale (ou gaussienne) est la distribution de probabilité la plus importante en statistique. Sa forme en cloche symétrique est caractérisée par deux paramètres : la moyenne μ et l'écart-type σ. Le théorème central limite justifie son omniprésence : la somme de nombreuses variables indépendantes tend vers une loi normale, quelle que soit leur distribution initiale.
🎯 Objectifs pédagogiques
À la fin de ce chapitre, vous devez être capable de :
- Connaître les propriétés de la loi normale
- Standardiser une variable normale
- Utiliser la table de la loi normale centrée réduite
- Comprendre le théorème central limite
- Appliquer aux intervalles de confiance
📚 Concepts clés à maîtriser
Notions fondamentales avec leurs définitions académiques :
- Loi normale
- X ~ N(μ, σ²), densité en cloche symétrique autour de μ
- Loi normale centrée réduite
- Z = (X - μ) / σ ~ N(0, 1)
- Règle des 68-95-99.7
- 68% des valeurs dans [μ±σ], 95% dans [μ±2σ], 99.7% dans [μ±3σ]
- Théorème central limite
- La moyenne de n variables i.i.d. tend vers une loi normale quand n → ∞
- Quantile
- Valeur z_α telle que P(Z > z_α) = α
📋 Plan type du cours
Structure du cours en Licence 2 :
- Définition et propriétés de la loi normale
- Standardisation et table de la loi N(0,1)
- Calcul de probabilités
- Théorème central limite
- Applications en inférence statistique
- Tests de normalité
👨🏫 Auteurs de référence
Économistes fondamentaux à connaître :
⚠️ Pièges fréquents
Erreurs classiques à éviter aux examens :
- Oublier de standardiser avant d'utiliser la table
- Confondre P(Z < z) et P(Z > z)
- Appliquer le TCL avec n trop petit
💼 Applications concrètes
Exemples d'application dans le monde réel :
- Intervalles de confiance pour la moyenne
- Contrôle qualité industriel
Niveau de ce chapitre : 🟢 Niveau fondamental