Universit´e Paris Diderot - Paris 7 L3 Maths Fondamentales
Int´egration et Probabilit´es 2010-2011
Travaux dirig´ es, feuille 9 : probabilit´ es - 2
loi des grands nombres, th´ eor` eme de la limite centrale
Loi des grands nombres, convergence p.s. et en probabilit´e
Exercice 1
Soit f : [0,1] → R continue et (Xn)n∈N une suite de variables al´eatoires ind´ependantes et identiquement distribu´ees de loi uniforme sur [0,1], de densit´e 1[0,1] par rapport `a la mesure de Lebesgue. Trouver limn→∞ 1
n
Pn
i=1f(Xi).
Exercice 2
Soit f :R→Rcontinue born´ee.
1) On suppose que (Xn)n∈N est une suite de variables al´eatoires ind´ependantes et identiquement distribu´ees de loi uniforme sur [0,1], de densit´e 1[0,1] par rapport `a la mesure de Lebesgue. Trouver lim
n→∞f 1 n
n
X
i=1
Xi
!
puis lim
n→∞E
"
f 1 n
n
X
i=1
Xi
!#
. En d´eduire
n→∞lim Z
[0,1]n
f
x1+· · ·+xn n
dx1· · ·dxn.
2) On suppose que (Xn)n∈N est une suite de variables al´eatoires ind´ependantes et identiquement distribu´ees de loi de Poisson de param`etreα- i.e., pour toutk∈N,P(X1 =k) =e−ααk/k!. Trouver lim
n→∞f 1 n
n
X
i=1
Xi
!
puis lim
n→∞E
"
f 1 n
n
X
i=1
Xi
!#
. En d´eduire
n→∞lim X
k≥0
e−αn(αn)k k! f
k n
.
Exercice 3 : th´eor`eme de Weierstrass
On consid`ere tout au long de l’exercice une fonctionf : [0,1]→Rcontinue. On d´efinit sur [0,1] le polynˆome Qn (pourn≥1) par
Qn(x) =
n
X
k=0
f k
n
Cnkxk(1−x)n−k,
o`uCnk d´esigne lenombre de combinaison de k ´el´ements parmin, ou encore le nombre de tirages simultan´es de k´el´ements parmin, et vaut Cnk= n!
k!(n−k)!.
1
1) Montrer `a l’aide de la loi des grands nombres que
∀x∈[0,1], lim
n→∞Qn(x) =f(x).
Indication : on pourra introduire une suite (Xi)i≥1 de v.a. i.i.d. de loi de Bernoulli de param`etre x, i.e.
P(X1 = 1) =x et P(X1= 0) = 1−x, et exprimer Qn(x) en fonction de Sn=X1+· · ·+Xn. 2) Montrer que Qn converge versf uniform´ement sur [0,1].
Indication : majorerE(|f(Snn)−f(x)|)en d´ecoupant selon l’´ev´enement{|Snn−x|> δ}et son compl´ementaire, pour δ >0.
Exercice 4
Soit n ≥ 1. Soit (Xk(n))k≥1 une suite de v.a. i.i.d. de loi uniforme sur {1,2, . . . , n}, i.e., pour tout i∈ {1, ..., n} on aP(Xk(n) =i) = 1/n. Soit
Tn= inf{m≥1| {X1(n), . . . , Xm(n)}={1, . . . , n}}
le premier instant o`u toutes les valeurs possibles ont ´et´e observ´ees.
1) Soit τkn = inf{m ≥ 1|#{X1(n), . . . , Xm(n)} = k}, pour k ∈ {1. . . n}. Montrer que les variables (τkn−τk−1n )2≤k≤n sont ind´ependantes, et d´eterminer leur loi respective.
2) a) Calculer E(Tn), et montrer que Var(Tn)≤Cn2 o`u C est une constante.
b) En d´eduire que nlnTnn converge vers 1 en probabilit´e, c’est-`a-dire que
∀ε >0, lim
n→∞P
Tn nlnn−1
> ε
= 0.
Indication : on pensera `a utiliser l’in´egalit´e de Tchebychev.
Exercice 5
Soient (Xn)n≥1 une suite de v.a. r´eelles etX une v.a. r´eelle d´efinies sur (Ω,F,P). On suppose que Xn→X en probabilit´e sous P, i.e.,
∀ε >0, lim
n→∞P(|Xn−X|> ε) = 0. Soit Qune mesure de probabilit´e absolument continue par rapport `aP, i.e.,
∀A∈ F, P(A) = 0⇒Q(A) = 0. 1) Montrer que pour tout ε >0, il existe δ >0 tel que
∀A∈ F, P(A)≤δ⇒ Q(A)≤ε . Indication : on pourra raisonner par l’absurde.
2) Montrer que Xn→X en probabilit´e sous Q.
Convergence en loi, fonction caract´eristique et th´eor`eme de la limite centrale
Exercice 6
Soient (Xn)n≥1 une suite de v.a. r´eelles etX une v.a. r´eelle d´efinies sur (Ω,F,P). On suppose que Xn→X en loi. Montrer que f(Xn)→f(X) en loi, pour toute fonctionf :R→Rcontinue et born´ee.
2
Exercice 7
On dit qu’une variable al´eatoire Y suit une loi de Poisson de param`etre lsiY est `a valeurs dansN et pour tout k∈N,P(Y =k) =lke−l/k!.
1) On suppose que (Xn)n∈N est une suite de variables al´eatoires ind´ependantes et identiquement distribu´ees de loi de Poisson de param`etre 1. On poseSn=X1+· · ·+Xn.
a) Montrer que Sn suit une loi de Poisson de param`etre n.
Indication : penser `a la caract´erisation de la loi par la fonction caract´eristique.
b) Exprimer e−nPn
k=0nk
k! en fonction de la loi de Sn. c) Montrer en utilisant le th´eor`eme de la limite centrale que
n→∞lim e−n
n
X
k=0
nk k! = 1
2.
2) On suppose que (Xn)n∈N est une suite de variables al´eatoires ind´ependantes et identiquement distribu´ees de carr´e int´egrable. Pour toutα∈R calculer limn→∞P(X1+· · ·+Xn≤nα).
Exercice 8
On suppose que (Xn)n∈N est une suite de variables al´eatoires ind´ependantes et identiquement distribu´ees de loi µ. On suppose que Var(Xn)<∞. Soient
Y1 = X1
2 , Y2 = 1
2(Y1+X2), ... , Yn= 1
2(Yn−1+Xn). 1) Calculer E(Yn) et Var(Yn).
2) On suppose queXnsuit une loi gaussienneN(m, σ2), de densit´ex7→exp[−(x−m)2/2]/
√
2πσ2par rapport
`
a la mesure de Lebesgue. Montrer que Yn suit aussi une loi gaussienne, dont on donnera les param`etres.
Montrer que Yn converge en loi vers une variable al´eatoire Y que l’on pr´ecisera.
Indication : penser aux fonctions caract´eristiques.
Exercice 9
Soient (Xn)n≥1 une suite de v.a. constantes, c’est-`a-dire que pour tout n, il existe xn∈R tel queXn =xn
p.s., et soit X une v.a. r´eelle. Montrer queXn→ X en loi si et seulement si il existex ∈Rtel que X est de loi δx etxn→x quandn tend vers l’infini.
Exercice 10 : formule de Stirling
0) Soit X une v.a. r´eelle de carr´e int´egrable d´efinie sur (Ω,F,P). Montrer que, pour touta >0, on a E(|X−inf(X, a)|)≤p
E(X2)P(X≥a).
Soit (Xn)n≥1 une suite de v.a. ind´ependantes d´efinies sur (Ω,F,P), de mˆeme loi de Poisson de param`etre 1 - i.e., pour toutk∈N,P(X1 =k) =e−1/k!. On pose, pour toutn≥1,
Sn=
n
X
i=1
Xi et Yn= Sn−n
√n .
On note x− =sup(−x,0) pour toutx∈R.
3
1) Pour tout n≥1, v´erifier que Sn suit une loi de Poisson de param`etre n, i.e. pour tout k ∈N, P(Sn = k) =nke−n/k!. Calculer E(Yn2) et en d´eduire que pour touta >0,
P(Yn−≥a)≤ 1 a2. 2) SoitY une v.a. de loi normaleN(0,1), de densit´ey7→e−y2/2/√
2π par rapport `a la mesure de Lebesgue.
Montrer que la suite (Yn−)n≥1 converge en loi versY−. 3) Montrer `a l’aide de la question 0) que
n→∞lim E(Yn−) =E(Y−). 4) En d´eduire la formule de Stirling :
n!∼n e
n√
2πn quand n→ ∞.
Exercice 11
1) Soit m une mesure de probabilit´e sur (R,B(R)). Pour tout n≥1, on d´efinit une mesure de probabilit´e mn sur (R,B(R)) par
mn=X
k∈Z
m k
n,k+ 1 n
δk/n.
Montrer que (mn)n≥1 converge ´etroitement vers m.
Indication : ´etudier le comportement de variables al´eatoires de loi mn.
2) En d´eduire que si (Xn)n≥1 est une suite de v.a., avec Xn de loi g´eom´etrique de param`etre e−1/n - i.e., pour tout k∈N,P(Xn=k) = (1−e−1/n)e−k/n - alors la suite (Xn/n)n≥1converge en loi vers une variable al´eatoire exponentielle de param`etre 1.
Exercice 12
Soit (Xn)n≥0 une suite de variables al´eatoires r´eelles d´efinies sur (Ω,F,P). On suppose Xn ∼ N(mn, σn2) avec mn∈Retσn∈R+∗, i.e. la loi de Xn admet pour densit´ex7→ 1
p2πσn2 exp
−(x−mn)2 2σ2n
par rapport
`
a la mesure de Lebesgue. Montrer que cette suite converge en loi vers une variable r´eelleY si et seulement si les deux suites (mn)n≥0 et (σn)n≥0 convergent dansR, et identifier la loi limite.
Exercice 13
Soit (Xn)n≥1 une suite de v.a. r´eelles d´efinies sur (Ω,F,P), i.i.d. suivant la loi uniforme sur [0,1] (de densit´e 1[0,1] par rapport `a la mesure de Lebesgue). On poseMn= max(X1, . . . , Xn). Montrer que la suite (n(1−Mn))n≥1 converge en loi quand n tend vers l’infini et expliciter la loi limite.
4