X – MAP
PC – Lundi mai – Convergences de variables al´eatoires Corrig´e des que ions non abord´ees en PC
Igor Kortchemski –igor.kortchemski@cmap.polytechnique.fr
Corrig´e des exercices non trait´es surhttp:// www.normalesup.org/ ˜ kortchem/ MAPun peu apr`es la PC.
Convergence presque s ˆure
E xercice 4. (Pollen) On mod´elise l’´evolution discr´etis´ee d’une particule de pollen entre deux plaques absorbantes comme suit. Soit (Xn)n≥une suite de variables al´eatoires ind´ependantes et de mˆeme loi donn´ee parP(X=) =P(X=−) =
. Soitk≥un entier. On poseS=ket pour toutn≥
Sn=k+X+· · ·+Xn. SoitT = inf{i≥:Si=ouSi=k}(avec la convention inf∅=∞).
() Montrer queT <∞presque s ˆurement.
() On poseZn=Smin(n,T). Montrer queZnconverge presque s ˆurement vers une variable al´eatoire dont on identifiera la loi. E-ce queZnconverge en probabilit´e ? En moyenne ?
Corrig´e :
() S’il y akmont´ees successives, alorsT <∞. Une application du lemme de Borel-Cantelli (semblable `a celle au singe savant) montre que dans la suite (Xi)i≥la suiteapparaˆıtkfois de suite une infinit´e de fois presque s ˆurement. DoncP(T <∞).
() CommeT <∞presque s ˆurement,Zn converge presque s ˆurement versST. DoncZn converge ´egalement en probabilit´e versST (la convergence p.s. implique la convergence en probabilit´e). Comme|Zn| ≤k, la suite converge ´egalement en moyenne.
Par sym´etrie,
P(ST =) =P(ST =k) =
.
R´edigeons cet argument formellement. Soit Φ l’application qui transforme une marche surZ qui fait des sauts± en la marche obtenue en changeant les sauts + en sauts −et les sauts − en sauts +. Notons (Sn0)n≥ =Φ((Sn)n≥) et T0 = inf{i≥:Si0 =ouSi0 =k}. Alors, par conruion,ST =si et seulement si ST00 =k. De plus, (Sn)n≥ et (Sn0)n≥ ont la mˆeme loi. DoncP(ST =) =P
ST00=k
=P(ST =k). Comme P(ST =) +P(ST =k) =, le r´esultat voulu en d´ecoule.
Convergence en probabilit´e
E xercice 5. (Le retour duRER B)On suppose que le temps d’attente duRER Bsuit une loi exponentielle de param`etre λ >. Si on prend le RER Bnfois, comment se comporte le temps maximal d’attente lorsquen→ ∞? Pour mod´eliser
Pour des queions, demande d’explications etc., n’h´esitez pas `a m’envoyer un mail.
cela, on consid`ere une suite (Xn)n≥de variables al´eatoires ind´ependantes de loi exponentielle de param`etreλ >, et on s’int´eresse `a la quantit´e max≤k≤nXk.
Montrer que la convergence
ln(n) max
≤k≤nXk −→
n→∞
λ a lieu en probabilit´e.
Corrig´e : Par d´efinition de la convergence en probabilit´e, il s’agit de montrer que pour tout >on a P
ln(n) max
≤k≤nXk− λ
>
!
−→
n→∞ .
Montrons d’abord que
P ln(n) max
≤k≤nXk< λ−
!
−→
n→∞ pour </λ. Par ind´ependance,
P ln(n) max
≤k≤nXk< λ−
!
= (−exp(−(−λ) lnn))n= exp nln −nλ n
!!
≤e−nλ→.
Ensuite, en passant au compl´ementaire, P
ln(n) max
≤k≤nXk> λ+
!
=−P(X<(/λ+) ln(n))n=−
− n+λ
n
. Or
−
− n+λ
n
=−exp
nln
− n+λ
∼
n→∞
nλ
−→
n→∞ .
Convergence dans L
(en moyenne)
E xercice 6. (Un exemple) Soitα >, et soit (Zn, n≥) une suite de variables al´eatoires ind´ependantes de loi donn´ee par P(Zn=) =
nα et P(Zn=) =− nα.
Montrer queZn → dans L. E-ce que la suite (Zn)n≥ converge en probabilit´e ? E-ce que la suite (Zn) converge presque-s ˆurement ?
Corrig´e : On a,
E(|Zn|) =E(Zn) = nα →,
ce qui signifie queZn→dansL. DoncZn→en probabilit´e car la convergence en moyenne implique la conver- gence en probabilit´e.
Pour toutn≥, on noteAn={Zn=}. Siα >alorsP
n≥P(An)<∞. D’apr`es le lemme de Borel-Cantelli, on a doncP(lim supAn) =c’e-`a-dire p.s., il exien≥tel que pour toutn≥n,Zn =et ainsiZn →presque s ˆurement
Si α ≤ alors P
n≥P(An) = ∞. LesAn ´etant ind´ependants, d’apr`es le lemme de Borel-Cantelli, on a donc P(lim supAn) =c’e-`a-dire p.sZn =une infinit´e de fois. On a aussiP
n≥P(Zn =) =∞, donc p.s.Zn =une
infinit´e de fois. DoncZnne converge pas presque s ˆurement.
E xercice 7. (Petite auce)SoitXune variable al´eatoire r´eelle int´egrable. Montrer queE
hX1|X|>n
i→lorsquen→ ∞.
Corrig´e : PosonsYn=X1|X|>n. Alors : – Ynconverge presque s ˆurement vers
– |Yn| ≤ |X|, qui eune variable al´eatoire positive int´egrable et qui ne d´epend pas den.
D’apr`es le th´eor`eme de convergence domin´ee,E[Yn]→E[] =.
Plus appliqu´e (hors PC)
E xercice 9. (Biais par la taille) On consid`ere une population comportant un grand nombrende foyers. On mod´elise la taille de ces foyers par une suite de variables al´eatoires (Xi)≤i≤n ind´ependantes de mˆeme loi sur N∗, de moyenne m=E[X] =P
k≥kpk<∞avecpk=P(X=k). SoitT la taille du foyer d’un individu pris au hasard dans la population.
Montrer que pour tout entierk≥,P(T =k) converge versmkpk lorsquen→ ∞. Indication.On pourra commencer par calculerP(T =k|X, . . . , Xn).
Corrig´e :La population compte au totalX+· · ·+Xn individus. On mod´elise le choix d’un individu au hasard par le tirage, conditionnellement `aX, . . . , Xn (c’e-`a-dire sachantX, . . . , Xn), d’un entier selon la loi uniforme sur l’ensemble{,, . . . , X+· · ·+Xn}. Pour toutk≥, il y aNk B1{X=k}+· · ·+1{Xn=k}foyers de taillekqui comptent au totalkNk individus. Par cons´equent, par d´efinition de la loi uniforme (formulecas favorables sur cas totaux) :
P(T =k|X, . . . , Xn) =kPn
i=1{Xi=k}
Pn
i=Xi =knPn
i=1{Xi=k}
n
Pn
i=Xi . Donc, d’apr`es la loi forte des grands nombres,
P(T =k|X, . . . , Xn) −→p.s.
n→∞
k mpk.
Posons F(X, . . . , Xn) = P(T =k|X, . . . , Xn), de sorte que P(T =k) = E[F(X, . . . , Xn)] (plus g´en´eralement, E[U] = E[E[U|V]]). D’apr`es ce qu’on vient de voir, F(X, . . . , Xn) converge presque s ˆurement vers mkpk en ´etant domin´e par(car c’eune probabilit´e conditionnelle), int´egrable. D’apr`es le th´eor`eme de convergence domin´ee,
P(T =k) =E[F(X, . . . , Xn)] −→
n→∞
k mpk.
Interpr´etation.La loi deT n’epas la loi de d´epart, car les grands foyers sont sur-repr´esent´es tandis que les petits foyers sont sous-repr´esent´es. Ce ph´enom`ene eappel´ebiais par la tailleIl s’agit sans doute du biais d’´echantillonnage le plus connu. Le biais ed’autant plus important que la taille du foyer diff`ere de la taille moyennem.
E xercice 10. (Probl`eme du colleionneur) Soit (Xk, k≥) une suite de variables al´eatoires ind´ependantes uniform´ement diribu´ees sur{,, . . . , n}. Soit
Tn= inf{m≥:{X, . . . , Xm}={,, . . . , n}}
le premier temps o `u toutes les valeurs ont ´et´e observ´ees.
() Soitτkn= inf{m≥:|{X, . . . , Xm}|=k}pour toutk≥. Montrer que les variables (τkn−τkn−)≤k≤nsont ind´ependantes, et d´eterminer leurs lois respeives.
() En d´eduire que la convergence nlogTnn →a lieu en probabilit´e.
Indication.On pourra utiliser l’in´egalit´e de Bienaym´e-Tch´ebychev.
Corrig´e :
() La quantit´eτkn−τkn−repr´esente le temps mis pour obtenir un nouvel ´el´ement une fois qu’on en a obtenuk−.
Intuitivement, ces variables sont ind´ependantes et suivent une loi g´eom´etrique de param`etre n−k+n (il ree n−(k−) ´el´ements).
Pour le d´emontrer formellement, on peut proc´eder comme suit. On aτn =. Soit (t, . . . , tn)∈(N∗)n−. On veut calculerP(τn−τn =t, . . . , τnn−τnn−=tn). En posantt=et en notantSn l’ensemble des permutations de{,, . . . , n}, on a
P(τn−τn=t, . . . , τnn−τnn−=tn)
= X
σ∈Sn
P
n−
\
k=
Xt+...+tk=σ(k), Xt+...+tk+∈ {σ(), . . . , σ(k)}, . . . ,
Xt+...+tk+tk+−∈ {σ(), . . . , σ(k)}
∩ {Xt+...+tn=σ(n)}
= X
σ∈Sn
nn
Yn
k=
k− n
!tk−
= n!
nn Yn
k=
k− n
!tk−
= Yn k=
n+−k n
! k− n
!tk−
.
Donc les variables al´eatoires (τkn−τkn−)≤k≤nsont ind´ependantes, et ont respeivement pour loi
P
τkn−τkn−=i
= n+−k n
! k− n
!i−
= n−k+ n
!
−n−k+ n
!i−
pouri≥.
Cette loi ebien la loi deGko `uGksuit la loi g´eom´etrique de param`etren−nk+. () On aTn=τ+Pn
k=(τk−τk−) et donc
E(Tn) =+ Xn
k=
n
n+−k =+nHn−, o `uHnela s´erie harmonique et
Var(Tn) = Xn
k=
Var(τk−τk−) = Xn
k=
(k−)/n ((n+−k)/n) =n
n−
X
k=
n−k k ≤Cn
avecC=P
k≥
k. Donc pour tout >,
P(|Tn−E(Tn)| ≥nlog(n))≤ Var(Tn)
nlog(n) ≤ C log(n).
Donc (Tn−E(Tn))/(nlog(n))→en probabilit´e. OrE(Tn)∼nlog(n) quandn→ ∞. Donc pour tout >on a {|Tn−nlog(n)| ≥nlog(n)} ⊂ {|Tn−E(Tn)| ≥nlog(n)}pournassez grand. On obtient ainsi le r´esultat.
Pour aller plus loin (hors PC)
E xercice 11. (Lois exponentielles de grand param`etre)Soit (Zn, n≥) une suite de variables al´eatoires telle que pour tout entiern≥,Zneune variable al´eatoire exponentielle de param`etren. Montrer queZnconverge presque s ˆurement verslorsquen→ ∞.
Corrig´e : Soit >. On aP(Zn> ) =e−n. Donc X
n≥
P(Zn> )<∞.
D’apr`es le (premier) lemme Borel Cantelli, pour tout >, presque s ˆurement, `a partir d’un certain rang on aZn≤. Donc presque s ˆurement, pour entierk ≥, `a partir d’un certain rang≤Zn≤/k. On en d´eduit queZn converge presque s ˆurement vers.
Attention.On a effeu´e une interversion du pour tout >et du presque s ˆurement ! Ici, cela a ´et´e rendu possible
en se rereignant `a une suite d´enombrable.
E xercice 12. (Extension du th´eor`eme de convergence domin´ee)Soit (Xn)n≥une suite de variables al´eatoires r´eelles telle que Xn converge en probabilit´e vers X. On suppose qu’il exie une variable al´eatoire positive et int´egrableZ, ind´ependante den, telle que|Xn| ≤Zpour toutn≥. Montrer queXnconverge versXen moyenne.
Indication.On pourra utiliser que siYnconverge en probabilit´e versYalors il exie une sous-suite deYnqui converge presque s ˆurement versY.
Corrig´e :Tout d’abord, montrons que|X| ≤Zpresque s ˆurement. CommeXn converge en probabilit´e versX, il exie une sous-suiteXφ(n)qui converge presque s ˆurement versX. Comme|Xφ(n)| ≤Zpour toutn≥, on en d´eduit que|X| ≤Zpresque s ˆurement.
On en d´eduit que la suiteE[|Xn−X|] eborn´ee, carE[|Xn−X|]≤E[|Xn|] +E[|X|]≤E[Z]. Pour montrer que E[|Xn−X|]→, il suffit donc de montrer queela seule valeur d’adh´erence de la suiteE[|Xn−X|].
Pour cela, soitφune extraion telle queE
h|Xφ(n)−X|i
→`. CommeXφ(n)converge aussi en probabilit´e vers Xlorsque n→ ∞, il exie une extraionψ telle que Xφ(ψ(n)) converge presque s ˆurement vers Xlorsquen→ ∞. On peut alors appliquer le th´eor`eme de convergence domin´e usuel pour en d´eduire queE
h|Xφ(ψ(n))−X|i
→. Donc
`=, ce qui conclut.
E xercice 13. (Convergences joitns en probabilit´e)Soit (Xn)n≥ une suite de variables al´eatoires qui converge en pro- babilit´e versXet soit (Yn)n≥une suite de variables al´eatoires qui converge en probabilit´e versY. Montrer que (Xn, Yn) converge en probabilit´e vers (X, Y).
Corrig´e : Pour tout >, on remarque que si
k(Xn, Yn)−(X, Y)k ≥.
alors|Xn−X| ≥ou|Yn−Y| ≥. En effet, par l’absurde, si|Xn−X|< et|Yn−Y|< , alors k(Xn, Yn)−(X, Y)k ≤
√
+=
√ <.
Ainsi, pour tout >,
P(k(Xn, Yn)−(X, Y)k ≥)≤P(|Xn−X| ≥) +P(|Yn−Y| ≥) −→
n→∞ ,
d’o `u le r´esultat.
E xercice 14. (Lemme de Scheff´e)Soient (Xn)n≥ des variables al´eatoirespositivesqui convergent presque s ˆurement versX. On suppose queE[X]<∞et queE[Xn]→E[X] lorsquen→ ∞. Le but de cet exercice ede d´emontrer que Xn→XdansL.
On poseYn= min(Xn, X) etZn= max(Xn, X).
() D´emontrer queE[Yn]→E[X] lorsquen→ ∞. () D´emontrer queE[Zn]→E[X] lorsquen→ ∞.
Indication.On pourra ´ecrire queZn=X+Xn−Yn. () Conclure queE[|Xn−X|]→lorsquen→ ∞.
Indication.On pourra ´ecrire que|Xn−X|=Zn−Yn.
Corrig´e :
() Yn converge presque s ˆurement versX, en ´etant major´e parX. DoncE[Yn]→E[X] d’apr`es le th´eor`eme de convergence domin´ee.
() On aE[Zn] =E[X] +E[Xn]−E[Yn]→E[X] +E[X]−E[X] =E[X].
() On aE[|Xn−X|] =E[Zn]−E[Yn]→E[X]−E[X] =.
E xercice 15. (Croissance)Soit (Xn)n≥une suite de variables al´eatoires r´eelles d´efinies sur le mˆeme espace de probabi- lit´e. Montrer qu’il exie une suite (cn)n≥telle queXn/cnconverge presque s ˆurement vers.
Corrig´e : Soit n≥, comme la fonion de r´epartition de|Xn| tend versen∞, il exie cn > suffisamment grand tel queP
|Xn|>cnn
≤−n. Montrons que (cn) convient.
D’apr`es le (premier) lemme de Borel-Cantelli, il suffit de montrer que pour tout >, la s´erieP
n≥P
Xn cn
>
converge. Alors, pourn >/(de sorte que >/n), P
Xn cn
>
!
≤P
Xn cn
> n
!
≤
n
par d´efinition decn. D’o `u le r´esultat.
E xercice 16. (Dichotomie)Soit (Xn, n≥) une suite de variables al´eatoires r´eelles positives, ind´ependantes et de mˆeme loi.
() Montrer que p.s.P∞
n=Xn=∞, sauf dans un cas `a pr´eciser.
() Montrer que pour toutαon aαP
n≥P(X≥αn)≤E[X]< αP
n≥P(X≥αn) +α.
Indication. On pourra montrer que X
n≥
αnP(αn≤X < α(n+))≤E[X]≤X
n≥
α(n+)P(αn≤X < α(n+)).
() Montrer que pour toutα >on a l’´equivalence suivante : E[X]<∞ ⇐⇒ X
n≥
P(X≥αn)<∞. () En d´eduire la dichotomie suivante : presque s ˆurement,
la plus grande valeur d’adh´erence deXn n vaut
siE[X]<∞
∞ siE[X] =∞ .
Corrig´e :
() Tout d’abord, siXepresque s ˆurement nulle, alorsP
n≥Xn=p.s. Supposons queXn’epas nulle, alors on peut trouver >tel queP(X> )>. On a alors queP
n≥P(Xn> ) =∞, et lesXn sont ind´ependants, donc par le (deuxi`eme) lemme Borel-Cantelli, p.s. les Xn sont sup´erieurs `a une infinit´e de fois, donc P
n≥Xn=∞.
() SoitXune v.a. positive etα >. On v´erifie ais´ement les encadrements deXsuivants : X
n≥
αn1αn≤X<α(n+)≤X≤X
n≥
α(n+)1αn≤X<α(n+). En prenant l’esp´erance de la ligne pr´ec´edente on obtient
X
n≥
αn(P(X≥αn)−P(X≥α(n+))) ≤ E[X]
≤ X
n≥
α(n+) (P(X≥αn)−P(X≥α(n+))) En reconnaissant des sommes t´el´escopiques, on en d´eduit que
αX
n≥
P(X≥αn)≤E[X]< αX
n≥
P(X≥αn) +α.
() C’eune cons´equence imm´ediate de la queion pr´ec´edente.
() Soitα >. La plus grande valeur d’adh´erence deXnn esup´erieure ou ´egale `aαsi et seulement si il exie une infinit´e dentels queXn≥αn. D’apr`es la queion pr´ec´edente,
X
n≥
P(X≥αn)
<∞ siE[X]<∞
=∞ siE[X] =∞ , donc, d’apr`es les deux lemmes de Borel-Cantelli,
P
la plus grande valeur d’adh´erence deXn n ≥α
=
siE[X]<∞
siE[X] =∞ et par cons´equent
la plus grande valeur d’adh´erence deXn n =
siE[X]<∞
∞ siE[X] =∞ p.s.
E xercice 17. (Loi forte des grands nombres, cas non int´egrable)s Soit (Xn)n≥une suite de variables al´eatoires r´eelles ind´ependantes et de mˆeme loi. On pose, pour toutn≥,Sn=X+. . .+Xn. Montrer que siXn’epas int´egrable alors la suite (n−Sn)n≥diverge p.s.
Indication.On pourra utiliser la queion () de l’exerciceet montrer que siSn/nconverge alorsXn/n→.
Corrig´e : On aP(|X| ≥n) =P(|Xn| ≥n). CommeXn’epas int´egrable, d’apr`es la queion () de l’exercice
on aP
n≥P(|Xn| ≥n) = +∞. Les ´ev´enements{|Xn| ≥n}´etant ind´ependants, on aP(lim sup{|Xn| ≥n}) =d’apr`es le lemme de Borel-Cantelli.
Ensuite, on remarque que Sn
n a une limite r´eelle
⊂ Sn
n −Sn+
n+→ \( Sn n(n+)→
) .
Donc Sn
n a une limite r´eelle
⊂ Xn
n →
⊂(lim sup{|Xn| ≥n})c.
En effet, siXn/n→, alors|Xn|< n `a partir d’un certain rang. L’´ev`enement (lim sup{|Xn| ≥n})c ´etant de probabilit´e
nulle, on en d´eduit queSn/ndiverge p.s.
E xercice 18. (Diff´erents modes de convergence)La convergence de l’exercicea-t-elle lieu presque s ˆurement ? Dans L?
Corrig´e : Montrons que la convergence a lieu p.s. et dansL. On pose Zn=
ln(n) max
≤k≤nXk
() Soit ∈ (,) et posons An ={Zn ≤(−)λ−}. Montrons queP
P(An) converge. D’apr`es les calculs de la solution de l’exercice, on aP(An)≤e−nλ. DoncP
P(An) converge. D’apr`es le lemme de Borel-Cantelli, p.s., pour toutnsuffisamment grand on aZn≥−. Donc p.s. pour toutk≥,Zn≥−/kpour toutnsuffisamment grand.
PosonsBn={Zn≥(+)λ−}.Les calculs de la solution de l’exercicedonnent P(Bn) =−
− n+λ
n
∼
n→∞
nλ.
La s´erie de terme g´en´eral/nλne converge pas, il faut donc ruser un peu comme dans l’exercicede la PC
. Fixonsη >et posonsnk= (+η)k. AlorsP
k P(Bnk) converge et d’apr`es le lemme de Borel-Cantelli, p.s., pour toutksuffisamment grand on aZnk ≤(+)λ−. On encadre ensuiten≥: (+η)k≤n≤(+η)k+et on
´ecrit :
Zn=max(X, . . . , Xn)
ln(n) ≤max(X, . . . , Xnk+)
ln(n) ≤max(X, . . . , Xnk+) ln(nk+)
ln(nk+)
ln(nk) =Znk+·k+ k .
Il s’ensuit que p.s.Zn≤(+)λ−pour toutnassez grand. Donc p.s. pour toutk≥,Zn≤λ+/kpour tout nsuffisamment grand.
On conclut que limn→∞Zn=p.s.
() Pour la convergence dansL, nous allons utiliser le lemme de Scheff´e (exercice), qui nous garantit qu’il suffit de v´erifier queE[Zn]→/λ.
Montrons d’abord que
Z
ln(−v)vn−dv=−++· · ·+n
n . ()
Pour cela, on ´ecrit ln(−v) =−P
k≥vk
k . Comme X
k≥
Z
vk+n−
k dv=X
k≥
(k+n)k<∞,
on a Z
ln(−v)vn−dv=−X
k≥
(k+n)k.
Pour calculer cette somme, remarquons que k(k+n) =n
k −
k+n
, de sorte que
nX
k≥
(k+n)k =X
k≥
k−
k+n
= lim
N→∞
N
X
k=
k−
k+n
= lim
N→∞HN−Hn+N+
n
X
k=
k
en notantHn=++· · ·+n la s´erie harmonique. CommeHn= ln(n) +O() quandn→ ∞, on en d´eduit que
nX
k≥
(k+n)k =
n
X
k=
k, et () en d´ecoule.
Revenons maintenant au probl`eme du comportement asymptotique deE[Zn]. PosonsYn= max(X, . . . , Xn), de sorte queZn =Yn/log(n), et d´eterminons une densit´e deYn. Pouru≥,P(Yn≤u) = (−e−λu)n. On en d´eduit queλne−λu(−e−λu)n−1u≥eune densit´e deYn. Ainsi,
E[Zn] = Z∞
λn
ln(n)ue−λu(−e−λu)n−du= Z∞
λ
ln(n)ue−λun(−e−λun)n−du.
En faisant le changement de variablev=−e−λu, on en d´eduit que E[Zn] =−n
λ Z
ln(−v)vn−dv= λ
+
+· · ·+ n
compte tenu de (). On en d´eduit queE[Zn]→/λcarHn∼log(n) lorsquen→ ∞, ce qui conclut.
Remarque.En utilisant la formuleE[Yn] =R∞
P(Yn≥t)dtvue `a l’exercicede la PC(suivi du changement de variableu=−e−t), le calcul deE[Yn] eun peu plus facile.
Remarque. Voici un argument probabilie qui permet de montrer que E[Yn] = λ(+ +· · ·+ n). Imaginons que nous disposons de n horloges et que Xk repr´esente le temps auquel sonne la k-i`eme horloge. La variable al´eatoireYn repr´esente alors le temps au bout duquel sonne la derni`ere horloge. La premi`ere horloge sonne alors au temps min(X, . . . , Xn), qui e diribu´e suivant une variable exponentielle de param`etre λn (d’esp´erance λn donc), et d’apr`es la propri´et´e d’absence de m´emoire, en remettant le temps `a, les temps au bout desquels sonnent lesn− horloges reantes sont ind´ependantes et de mˆeme loi exponentielle de param`etre λ. On en d´eduit que E[Yn] =λn +E[Yn−], et le r´esultat voulu en d´ecoule.
Pour r´ediger ceci de mani`ere formelle, notons X()≤X() ≤ · · · ≤X(n)le r´earrangement croissant des variables (X, . . . , Xn). On montre alors que la densit´e conditionnelle de (X()−X(), . . . , X(n)−X()) sachantX()ela mˆeme que celle du r´earrangement croissant den−variables al´eatoires i.i.d. exponentielles de param`etreλ(ce calcul e proche de celui des exercicesetde la PC). On ´ecrit alors :
E[Yn] =E hX(n)
i=E
hX(n)−X()
i+E hX()
i=E h
E[X(n)−X()|X()]i +
λn=E[Yn−] + λn.