Le théorème suivant, dit théorème limite central, affirme que c'est effectivement le cas.
Théorème : Soit (Xn) une suite de variables indépendantes identiquement distribuées admettant un moment d'ordre 2.
On pose : μ=E(X1), σ2=Var(X1) μ = E ( X 1 ) , σ 2 = Var ( X 1 ) Sn=X1+⋯+Xn, Yn=Sn−nμσ√n.
La place du théorème central limite dans l'univers de la Data Science.
Le théorème de limite centrée permet principalement de déterminer l'espérance qu'un phénomène se produise si l'on répète un nombre élevé de fois une expérience aléatoire donnée.
Pour montrer que (Xn) converge en loi vers X, il suffit de démontrer que pour tout u ∈ Rk, on a E[eiu·Xn ] → E[eiu·Xn ] (théor`eme de Lévy, théor`eme 6.3.9 du poly).
Si la variable aléatoire limite est inconnue, on calcule la limite ψ(u) de E[eiu·Xn ] lorsque n → ∞.