C OMPOSITIO M ATHEMATICA
B ERNARD L ANDREAU
Étude probabiliste des sommes des puissances s-ièmes
Compositio Mathematica, tome 99, n
o1 (1995), p. 1-31
<http://www.numdam.org/item?id=CM_1995__99_1_1_0>
© Foundation Compositio Mathematica, 1995, tous droits réservés.
L’accès aux archives de la revue « Compositio Mathematica » (http:
//http://www.compositio.nl/) implique l’accord avec les conditions gé- nérales d’utilisation (http://www.numdam.org/conditions). Toute utilisa- tion commerciale ou impression systématique est constitutive d’une in- fraction pénale. Toute copie ou impression de ce fichier doit conte- nir la présente mention de copyright.
Article numérisé dans le cadre du programme Numérisation de documents anciens mathématiques
http://www.numdam.org/
Etude probabiliste des sommes de
spuissances
s-ièmes
BERNARD LANDREAU
©
1995 Kluwer Academic Publishers. Printed in the Netherlands.Laboratoire d’Algorithmique Arithmétique
Expérimentale,
Unité Mixte de Recherche CNRS 9936, Université Bordeaux I, F. 33405 Talence Cedex, e-mail:landreau@math.u-bordeaux. fr
Received 11 January 1994; accepted in final form on 29 July 1994
Résumé. Etant donné un entier s 2, on considère ici une suite aléatoire d’entiers modélisant la suite des
puissances
s-ièmes. On montre alors principalement que pour tout entier r 0, l’ensemble des entiers admettant exactement rreprésentations
en somme de s termes de cette suite aléatoire est presque sûrement de densitépositive.
En outre, ces densités forment une distribution de Poisson.Abstract. For an
integer
s 2, we consider a random sequence ofintegers
which modelizes the sequence of s-th powers. We provemainly
here that for each integer r 0, the set of integers whichhave exactly r representations as sum of s terms of this random sequence has almost surely a
positive
density. Moreover, these densities form a Poisson distribution.On s’intéresse ici à l’étude de la
répartition
des sommes de deuxcarrés,
troiscubes, quatre bicarrés,
etc. Pour cequi
est descarrés,
il est bien connu que le nombre d’entiers inférieurs ouégaux
à xqui
sontreprésentables
comme somme de deux carrés est d’un ordre degrandeur égal
àx/log x.
Ceciimplique
enparticulier
queces entiers forment une suite de densité nulle bien
qu’il
soit facile de voirqu’en
moyenne
chaque
entier admet03C0/4 représentations.
Ce faitétrange
n’est pas dû à latrop grande
rareté des carrés maisplutôt
au fait que les sommes de deux carréssont en
quelque
sortetrop régulièrement
distribuées.A
partir
des sommes de troiscubes,
leproblème
reste ouvert; deuxconjectures s’affrontent,
celle donnant à ces sommes, paranalogie
auxcarrés,
une densité nulle(cf.
P. Barrucand[2])
et celle leur donnant au contraire une densitépositive (cf.
C.Hooley [6]).
En
1960,
P.Erdös
et A.Rényi
en construisant dans[4]
des suites aléatoires d’entiers modélisant la suite des carrés(et plus généralement
celle despuissances s-ièmes)
montrent entre autres que l’ensemble des entiers admettant au moinsune
représentation
comme somme de deuxpseudo-carrés
est presque sûrement de densitépositive.
Plus
précisément,
en 1965 A.O.L.Atkin [1]
démontre l’existence d’une suite depseudo-carrés ( bv ) vérifiant |bv - v2| c log v
pourlaquelle
la suite constituée des sommes de deuxtermes bv
est de densitépositive.
P.
Erdos
et A.Rényi
annoncentégalement
dans[4]
unegénéralisation
de leursrésultats au cas des
puissances supérieures
mais sans en donner pour autant de preuveexplicite. Malheureusement,
il se trouve que leur démonstration pour lecas des carrés
comporte
une lacunetechnique sérieuse, qui
nécessitera unereprise longue
et détaillée duproblème
réaliséeplus
tard par H. Halberstam et K. F. Roth dans[5].
Deplus,
àpartir
descubes,
l’arrivée de nouvellesdifficultés,
relatives àl’indépendance
des variables aléatoiresconsidérées,
laissait en suspens la validité des résultats annoncés.En utilisant des
inégalités
élémentaires de corrélation que nous établissons enappendice,
nous démontrons ici les résultats annoncés parErdOs
etRényi.
Dans la
première partie,
onrappelle
le mode de construction des suites aléatoires d’entiersemployée
par P.Erdös
et A.Rényi puis
on expose dans la seconde lesprincipaux
lemmes utilisés par la suite. Lapartie
3 est consacrée au théorème sur laconvergence en loi de la variable aléatoire
Rn égale
au nombre dereprésentations
de l’entier n tandis que la
partie
4 établit les résultats de densité pour les suites d’entiers admettant exactement rreprésentations (r 0).
La dernièrepartie
estsimplement
la loi forte desgrands
nombres pour la variable aléatoireRn.
NOTATIONS:
Dans tout ce
qui
suit sdésignera
un entiersupérieur
ouégal
à 2 et r un entierpositif
ou nul.Pour deux fonctions
arithmétiques f et g
à valeurs réelles(g positive),
lesnotations
signifient qu’il
existe une constante C telleque [f| Cg.
Sansprécision
sup-plémentaire,
la constante sera considérée comme absolue. Si elledépend
par exem-ple
d’unparamètre k,
on noteraf
=Ok(g)
ou encoref
~k g.On utilisera
les
notationsclassiques
suivantes:P(A) désignera
laprobabilité
del’événement
A;
Adésignera
l’événementcomplémentaire
deA ;
pour une variable aléatoiree, E(03B6) désignera l’espérance mathématique de 03B6
etV(03B6)
sa variance.REMERCIEMENTS
Je tiens à remercier vivement le
professeur
J.-M. Deshouillers du laboratoire deMathématiques Stochastiques
de l’Université Bordeaux II pour ses nombreux conseils et sesencouragements.
1. Construction de suites aléatoires
Nous reprenons tout d’abord ici la construction décrite par
Erdos
etRényi
dans[4]
ainsi que les
premiers
résultatsqui
en découlent. On se donne une suite(03B6n)n~1
de variables aléatoires de Bernoulli mutuellement
indépendantes
définies sur unespace
probabilisé (0, T, P)
par la suite deprobabilités (03B1n)n~1 grâce
aux rela-tions
On
prend
ici an =1/(sn1-1/s).
Eneffet,
pour un entier n situé entre N 8 et(N
+1)8,
laprobabilité
d’être unepuissance
s-ième estapproximativement l/((N
+1)S - Ns),
cequi
estéquivalent lorsque n
tend vers l’infini à1/(sN8-1),
soitencore à
1/(sn1-1/8) puisque
N =[n1/8].
A
chaque épreuve,
la suite(03B6n(03C9))n~1 (03C9
Ef2),
est une suitecomposée
de 0et de 1 et on obtient alors une suite aléatoire d’entiers notée
(vl)l~1
enprenant
successivement en ordre croissant les entiers n telsque en
= 1. On a doncet
On
peut
alors considérerl’application
X de Q dans l’ensemble S des suites strictement croissantes d’entiers naturels non nulsqui
à w E S2 associe la suite(03BDl)
construite au-dessus. Celapermet
de munir S d’une mesure deprobabilité
enprenant
la mesureimage
de la mesure P par X. Cette mesure est caractérisée par le fait que laprobabilité qu’une
suite de sprise
au hasard contienne l’ entier n vaut an. ·La suite aléatoire
(03BDl)l~1 est
censée modéliser la suite despuissances s-iémes,
vérifions-le. On a enpremier
lieu laproposition
suivante.PROPOSITION 1.
Presque sûrement,
la suite(vi)
estinfinie.
Preuve. Par le Lemme de Borel-Cantelli.
On note
Ei l’événement {03B6i
=1}.
Les événementsEi
sont mutuellementindépendants.
On aDonc presque
sûrement,
un nombre infini d’événementsEi
sont réalisés simul-tanément. D
En second
lieu,
en notantA(n) - 03A3nj=103B1j,
on aplus précisément
le résultat suivant.PROPOSITION 2.
Presque sûrement,
Preuve. Cela résulte de la variante suivante de la loi forte des
grands
nombres(cf [5]
Ch. III Théorème 11 ou[8]
Ch. VII Ex.17).
THÉORÈME.
SoitÇl, Ç2,
...,Çn,
... , des variables aléatoires mutuellement indé-pendantes d’espérance Mn
=E(03B6n)
> 0 etd’écart-type Dn
=D(03B6n),
si les deuxconditions,
sont
vérifiées,
alors presque sûrementOn a en effet
ici,
D’où,
et donc
Il en résulte que
(03A3nj=1 03B6j A(n))
converge presque sûrement vers1,
c’est àdire,
presquesûrement, 03A3nj=1 03B6j ~ A(n),
cequi
achève la preuve de laProposition
2. ~En
prenant n
= vl et en utilisant(1),
on a presque sûrement 1 NA(03BDl)
ouencore, 1 N
(03BDl)1/s
etfinalement, vl -
18.La suite
(vi)
est bienainsi,
au sens del’équivalence,
une suite depseudo- puissances
s-ièmes.2. Lemmes
préliminaires
Nous
présentons
ici les résultatstechniques
dont nous aurons besoin au cours de cette étude. Voici d’abord deux lemmes deprobabilités.
En
premier lieu,
desinégalités
de corrélationspécialement
établies pour la circonstance mais en fait assezgénérales.
La démonstration est donnée en appen- dice.LEMME 1. Soit
(Q, T, p)
un espaceprobabilisé,
etEl, E2,..., EN
des événements mutuellementindépendants.
On considéreune famille AI, A2,..., AT
etune famille
Bl, B2,..., BK
d’événementsqui
sont chacun une intersection d’éléments dela famille (Ei)1~i~N. Alors,
on a les deux encadrements suivantsEn second
lieu,
voici un résultatqui
donne des conditions suffisantes pour obtenir la loi forte desgrands
nombres pour une suite de variables aléatoirespositives.
Ilapparaît implicitement
dans[4] (preuve
duThéorème 2),
on trouveégalement
sa démonstration dans[5] (Ch
III Lemma34).
LEMME 2. Soit
(03B6n)n~1
une suite de variables aléatoirespositives.
On considère la suite de variables aléatoires(03B6N
=N 03A3Nk=1 03B6k)N~1.
Si les deux conditionssuivantes sont
satisfaites
alors la suite
«N)
converge presque sûrement vers M.Le
prochain
lemmeprésente
des estimations de différentes sommesmultiples
sur les
probabilités
ai(définies
en1.) qui
interviendront àplusieurs reprises
par la suite. Il découle en fait de l’utilisation àrépétition
del’inégalité
suivante.Pour tous réels
0,
-y, avec 003B2, 03B3 1,
on aCette
inégalité
se démontre aisément par unecomparaison classique
entre sommeet
intégrale
en utilisant les variations sur]0,1 [
de la fonction associée.(cf.
aussi[9]
Lemma 2.9)
LEMME 3.
(ii)
pour k = s et l = s -1,
on aplus précisément
Preuve du Lemme 3.
* Pour établir
(i):
On
supprime
d’abord parmajoration
la condition de croissance sur leshi puis
la somme se
décompose
en(k - 1)
sommes successives de lafaçon
suivanteLa dernière somme se
majore
avecl’inégalité (2).
On obtient unemajoration
à uneconstante
près
enOn itère à l’aide de
(2)
la mêmemajoration jusqu’à
la dernière somme surh1,
cequi produit
finalement un terme en* Pour établir
(ii):
On
peut
enpremier
lieu montrer en utilisant à nouveaul’inégalité (2)
àrépéti-
tion que
On relie ensuite cette somme à une
intégrale
de Dirichlet notée I. On aoù D est le domaine
d’intégration
défini parIl en résulte que
L’intégrale
Is’exprime
à l’aide de la fonction Gammagrâce
à la formule de calcul suivante valable pour une fonction continuef
sur le domaine Didentique
auprécédent
et des coefficients(3i
> 0.Ceci donne ici
où
B(x, y)
est la fonction Bêta d’Euler. Ceci achève la preuve de l’affirmation(ii)
du Lemme 3. D
Enfin pour
terminer,
citons un lemme combinatoire élémentaire dont on pourratrouver la démonstration dans
[5] (Ch.
III Lemma13).
LEMME 4. Soient ai , ... , aN, N nombres réels
positt; fs,
alors pour tout entz’err, 1 ~ r ~ N, on a
3.
Convergence
en loi du nombre dereprésentations
Soit
Rn
la variable aléatoireégale
au nombre dereprésentations
de l’entier n sousla forme
où
(03BDl)l~1
est une suite aléatoire d’entiers construite selon la méthodeexposée
dansla
première partie
à l’aide d’une suite de variables aléatoires(03BEn)n~1
et d’une suitede
probabilités (03B1n)n~1.
REMARQUE.
On considère ici le nombre dereprésentations
où les termes dela somme sont ordonnés et tous distincts. Il sera facile de voir à l’issue de cette étude que le nombre de
représentations
en sommes ordonnées mais avecégalités possibles
entre les sommants diffère en fait peu deRn
etqu’il
aura enconséquence
les mêmes
propriétés.
On s’intéressera donc ici exclusivement à la variableRn
pour
laquelle
les calculs sontbeaucoup plus simples.
On a le résultat suivant concernant la loi de
Rn.
THÉORÈME
1. La suite de variables aléatoires(Rn)n~
1 converge en loi vers uneloi de Poisson
de paramètre 03BB
=0393(1 3)s/(sss!).
Preuve du Théorème 1. On note tout d’abord que
Rn s’exprime
sous laforme
où
Introduisons les différentes notations suivantes
La lettre A
désignera toujours
dans cequi
suit un élémentquelconque
de.A.
REMARQUE. Pour h
=(h1,...,hs)
EH,
on aP(Ah)
= 03B1h1 ... 03B1hs. Enconséquence,
on atoujours P(A
nA’) ~ P(A)P(A’)
pour tousA,
A’ élémentsdes.
En notant
P[r]:
=P(Rn
=r )
pour r ~0,
on aoù la sommation
porte
sur toutes les combinaisons à r éléments de,A.
Par
analogie,
définissons tout de suitece
qui correspondrait
à la valeur deP[r]
si les événements A deA
étaient mutuelle- mentindépendants.
On note
encore J1( n) l’espérance mathématique
de la variable aléatoireRn,
On constate
rapidement
que les événements A deA
ne sont pasindépendants
car deux
s-uplets
différentsh
eth’ peuvent
bien sûr avoir des éléments en com-mun dès
que s ~
3. C’est bien d’ailleurs là laprincipale
difficultéqui justifie
la
reprise
détaillée dans cet article des travauxd’Erdös
etRényi. Cependant,
ladépendance qui
en résulte est en fait faible et on pourra considérer les événementscomme
étant,
en un certain sens,quasi-indépendants.
Enconséquence,
la méthodeconsiste à se ramener au cas de
l’indépendance
pourlequel
les calculs sont alors considérablementsimplifiés
en s’assurant que l’erreur commise est en faitpetite.
Il
s’agit
pour celad’estimer |P[r] - Q[r]|,
pour r ~ 0 fixé. On introduit à ceteffet,
pour r ~1,
lesquantités
où la sommation
porte
àchaque
fois sur toutes les combinaisons à r élémentsde A.
En
particulier, Ll1 ( n)
= 0 etOn montrera un peu
plus
loin que cesquantités qui
sontpositives
ou nulles(cf.
remarque
précédente)
sontpetites.
*
Majoration de |P[r] - Q[r]|
Pour estimer la différence
|P[r] - Q[r]|,
nous allons utiliser lesinégalités
decorrélation introduites dans le Lemme 1.
Pour r =
0,
on obtient directement un encadrement dePjoj - Q[0]
àpartir
del’encadrement
(i)
du Lemme 1Pour r 1, on a
Pour
chaque combinaison {A1,...,Ar}
éléments deA,
onpeut décomposer
l’expression précédente
en une sommeWl
+W2
+W3
oùet
La
première
différenceWl - W1(A1,...,Ar)
semajore grâce
à l’encadre- ment(ii)
du Lemme 1(en prenant
T ou Il =1),
On note tout de suite
qu’en
sommant sur toutes lescombinaisons {A1,...,Ar},
on obtient
Pour la somme de la seconde différence
W2
=W2(A1,..., Ar ),
onmajore
comme suit
Enfin,
la somme de la dernière différenceW3
=W3(A1,..., Ar)
semajore
grâce
à l’encadrement(i)
du Lemme 1 et àl’inégalité
de droite duLemme 4,
Finalement,
on obtient pourr ~
1* Evaluation de
M(n)
etAr (n)
C’est
l’objet
du lemme suivant.LEMME 5. On a les trois
propriétés
suivantespour tout événement B
fixé
dutype
Preuve du Lemme 5.
* Pour établir
(i):
On a
Or,
la secondepartie
du Lemme 3 établitprécisément
que cette dernière sommetend vers À =
0393(1 3)s/(sss!).
* Pour établir
(ii):
Soit B un événement
fixé,
B ={03B6n1 = Çn2
= ··· =Çnk
=1} (ni
n2...
nk), il s’agit
de montrer quel’espérance
deRn
sachant B est bornée parune constante
qui
nedépend
que du nombre de variables k. Eneffet, intuitivement, lorsque
l’événement B est connu, cela revient àremplacer
dans le calcul desP(A)
pour A EA, chaque
03B1ni par 1. Comme iln’y en
aqu’un
nombre finik,
lenombre d’événements A
dépendants
de B serapetit
parrapport
au nombre totald’événements,
cela nechangera
pas l’ordre degrandeur
de la sommequi
auramême limite que
03BC(n)
et sera donc bornée. Démontrons celaprécisément.
Si k =
0,
alors03BCB(n) = M(n),
or on saitdéjà d’après
l’assertion(i)
que lasomme
M(n)
est bornéepuisqu’elle
converge vers A.Si k 1,
soit n un entierquelconque,
on aoù A - B
signifie
que A et B sontdépendants.
Or,
pour lapremière
somme, pourA ~ B,
on aP(A|B)
=P(A)
et doncEnsuite,
pour la seconde somme, ilcorrespond
àchaque
événement A tel que A -B,
un 11 =(h1,..., hs)
avec1 h1
...hs n
ethl
+ . .+ hs
= n,qui
a au moins un élément en commun avec les(nj)1~j~k.
Soit t le nombre d’éléments communs entre
les (hi)1~i~s
et les(nj)1~j~k.
On sait que
1 t
s. Fixons t et poursimplifier
supposons que ces t élémentscommuns soit en tête dans h et que ce soit
également précisément
n 1, ... , nt. C’est à dire que l’on ah
=(n1,
... , nt,ht+1,
... ,hs).
Sommons maintenant sur tous les événements Arépondant
à ce cas-là.Pour t s, on obtient une somme que l’on sait
majorer grâce
au Lemme 3Pour t = s, il y a au
plus
un seul événement Aqui corresponde
et on a alorsP (AI B)
= 1(dès
que n est assezgrand,
on a en fait ts).
Il reste maintenant pour
chaque t,
à tenircompte
du choix des t valeurs com- munesprises parmi
les(nj), puis
du choix desplaces
de ces valeurs dansh,
cequi
fait intervenir des coefficients binômiaux nedépendant
que dek, t
et s. Il fautensuite sommer
pour t
variant de 1 à s. On voit au passage que la seconde somme tend en fait vers 0quand n
tend vers l’infini.Il résulte clairement de tout ceci l’existence d’une borne pour
y’ (n) qui
nedépend
que de k.REMARQUE.
Lamajoration (ii)
segénéralise
en fait aux sommes sur les combi- naisons à r événements(r 1).
On a pour tout événement B fixéEn
effet,
Le nombre d’événements
{03B6h = 1}
parlesquels
on conditionne estmajoré
danstous les cas par
(r - 1)s
+ k. Il suffit doncd’appliquer
r fois l’assertion(ii).
C’esten fait la
majoration (7)
que nousappliquerons plusieurs
fois dans ce que suit.* Pour établir
(iii):
Supposons
tout d’abord que r = 2. Onpeut
en fait dans02(n)
se restreindreaux
paires
d’événements{A1,A2} qui
sontdépendants puis négliger
les termesP(A1)P(A2). On a
où
Ai - A2 signifie
queAI
1 etA2
sontdépendants.
On s’intéressera maintenantuniquement
à0394’2(n).
Considérons deux événements différents
A1
etA2
deA, dépendants,
c’est àdire en
fait,
deuxs-uplets
différentsh, h’ ayant
au moins un élément en commun.Supposons qu’ils aient exactement t éléments communs,1 ~ t ~ s - 2, (si t
=s-1,
alors par la contrainte de la sommeégale
à n, on aurah = h’ ),
etprécisément
poursimplifier
dans unpremier temps, quitte
à effectuer ensuite despermutations,
quece soit les t
premiers.
On a doncexplicitement
avec
hj ~ hk pour t
+ 1j, k
s. Examinons alors la contribution totale relative à toutes lespaires {h, h’}
d’éléments de 1t de cette forme dans0394’2(n).
Cette contribution notée
Wt ( n ) peut
êtremajorée
à une constanteprès
parOn
décompose
la sommationgénérale
en sommations successives sur leshi
et leshï
Les deux dernières sommes sont en fait
identiques.
Pour traiter ces sommes, onutilise les estimations
(i)
du Lemme 3. Avec les notations de celemme,
les deuxdernières sommes sont
majorèes
parSs-1s-t (n - h1 -···- ht).
Ceciproduit
pourchaque
somme unemajoration
enOn arrive alors à la
première
sommePour
pouvoir appliquer
encore lapartie (i)
duLemme 3, puisque (s - 2) t 1,
on minore
grossièrement l’exposant 2t/s
par(t
+1)/s.
La somme vaut alors enfait
St+1t+1(n)
et on obtientIl reste maintenant à
regarder
les cas où les t facteurs communs ne sont pas enpremière position
dans h eth’,
mais cela ne feraqu’introduire
un facteur binômialne
dépendant
que de t et s dansWt(n).
On fait varier ensuite t de 1 à(s - 2),
cequi
nechange
pas l’ordre degrandeur
et donne finalementOn considère maintenant le cas où r > 2. Dans
l’expression 0394r(n),
commepour
03942(n),
on ne conservera que les combinaisons d’événementsqui
contiennentau moins deux événements
dépendants,
on pourra alorsnégliger
les termeségaux
au
produit
desprobabilités.
On utilise maintenant le fait que
d’après
lamajoration (7) conséquence
de l’assertion(ii)
du lemme en cours, la dernière somme estmajorée
par une constantequi
nedépend
que de r. Enconséquence,
on aCeci achève la démonstration de l’assertion
(iii)
et donc celle du Lemme 5. 0Il résulte de
(5), (6)
et du Lemme 5 queNous pouvons maintenant
à juste
titre nous intéresser àQ[r],
son évaluation se fait defaçon classique
en utilisant le Lemme 4. On a*
Majoration
deQ[r]:
On utilise
l’inégalité
de droite du Lemme 4 etl’inégalité classique
On a alors
* Minoration de
Q[r]:
On utilise cette fois
l’inégalité
degauche
du Lemme 4 et l’autreinégalité
clas-sique
pour Du coup,
* Estimation de
On a
Or
puisque
l’un deshi
est forcémentsupérieur
àn/s.
Il en résulte que
En
reportant
ceci dans lamajoration (9)
et la minoration(10)
deQ pj
et en utilisantl’estimation
(i)
duLemme 5,
on obtientet finalement à l’aide de
l’égalité (8)
reliantPl,]
àQ[r]
ce
qui
démontre le Théorème 1. D4. Densité des entiers admettant r
représentations
Après
avoir démontré la convergence en loi de la variable aléatoireégale
aunombre de
représentations
d’unentier,
ils’agit
maintenant d’étudier larépartition
des entiers classés suivant leur nombre de
représentations.
Soit r un entier
positif
ounul,
considérons l’ensemble notéSr
des entiers admettant exactement rreprésentations
sous la forme(3).
On a alors le théorème suivant.THÉORÈME
2.Presque
sûrement l’ensembleSr
est de densitée-À 03BBr r!.
En
particulier,
COROLLAIRE. La suite des entiers
qui
admettent au moins unereprésentation
est presque sûrement de densité
positive (1 - e-À).
La constante À est bien sûr
toujours
celle définie au Théorème 1.Preuve du Théorème 2. On introduit la variable aléatoire
sinon
puis
la variable aléatoireIl
s’agit
de montrer que pour tout r0, (r(N)
converge presque sûrementvers
e-03BB 03BBr r! lorsque
N - oo. Cela va découler du Lemme 2 énoncé dans lespréliminaires.
Il nous faut vérifier que la suite de variables aléatoires(ê r ( n ) )
satisfait les deux conditions de ce lemme.
La
première
condition se vérifie aisément carE(03B5r(n))
=P(Rn
=r ) qui
tendvers
e-03BB 03BBr r! d’après
le Théorème 1.La seconde condition va nécessiter un résultat sur
l’indépendance
mutuelle des variables aléatoires êr(n).
Nous allons montrerprécisément
queOn a tout d’abord
La
première
somme del’expression
s’évalue facilement card’après
le Théorème1,
donc
La
partie
délicate est bien sûr l’estimation de la covariance desr (n)
eter(m)
pour n m. On établit
précisément
le lemme suivantqui
donne une estimation del’indépendance
des variableseT(n)
et03B5r(m).
LEMME 6. On a pour n m,
Preuve du Lemme 6. Il
s’agit
demajorer
la covariance des variables e,(n)
et03B5r(m) qui
vaut en faitOn a
Rappelons
que pour tout entier n,A(n) désigne {Ah, h
EH(n)}
etH(n) désigne {h
=(h1,
...,h 8 ), 1 h1 ··· hs
n,h1
+ ...+ jts
=n}.
Dans tout ce
qui suit, h désignera
un élément de1i(n) et h’
un élément deH(m).
Demême,
Adésignera
un élément deA(n)
etA’
un élément deA(m).
On introduit à
l’image
de03942(n)
laquantité A(n, m)
=03A3A~A’P(A
nA’),
où lasomme
porte
sur toutes lespaires {A, A’},
A EA(n), A’
EA(m).
Nous allons établir de
façon analogue
au Lemme 5 lamajoration
On a en effet
où la relation
h ~ h’ signifie
queh
et11’
ont au moins un élément en commun. La méthode estidentique
à celle du Lemme 5.Supposons
queh
eth’
aient exactementt éléments communs et
précisément
les tpremiers, 1 t s -
1(le
cas t = s estimpossible
par la contrainte de la sommeégale respectivement
à n et àm).
On adonc
explicitement
avec hj =1 h’k pour t
+ 1j, k
s.On examine alors la contribution totale relative à de telles
paires {h,h’}
d’éléments
respectifs
deH(n)
etH(m)
dans la sommeA (n, m).
On obtient unepremière
contribution notéeWt(n, m) qui peut
êtremajorée
à une constanteprès
comme suit
Les deux dernières sommes se
majorent
defaçon identique
en suivant cequi
adéjà
été fait au cours de la preuve de lapartie (iii)
du Lemme 5. Ceciproduit
unemajoration
enOn arrive alors à la somme
On minore maintenant
grossièrement
le dernier terme du dénominateur(m - hl -
···-
ht)t/s
par(m - n)t/s.
Ce terme se met alors en facteur devant la sommequi
vaut alors en
fait,
avec les notations duLemme 3, çt 1 (n)
et cetteexpression
estbornée
d’après
ce lemme. On aboutit donc à lamajoration
pour
Encore une
fois,
le cas où les t facteurs communs ne sont pas enpremière position
dans h eth’, puis
la sommation sur t de 1 à( s -1 )
ne ferontqu’introduire
un facteur ne
dépendant
que de squi
nechangera
donc pas l’ordre degrandeur
deA (n, m).
Ceci donne finalement en sommant toutes les contributionsRevenons à l’estimation de la covariance
(13)
pour établir le Lemme 6. On aoù la réunion
porte
sur toutes les combinaisons à r éléments deA(n)
et toutes lescombinaisons à r éléments de
4(m).
On adéjà
où
Q[r](n) désigne
laquantité
introduite en(4).
Du coup,Il suffit donc d’évaluer la différence
P(Rn
=Rm
=r) - Q[r](n)Q[r](m).
Onprocède
avec la même méthodequ’auparavant.
Pour raccourcir lesexpressions,
introduisons les notations suivantes: pour deux
combinaisons {A1,...,Ar}
et{A’1,..., A’ 1
d’élémentsrespectifs
deA(n)
etA(m),
on noteOn a avec ces notations
Pour
chaque paire
decombinaisons {A1,..., Ar} et {A’1,..., A’r}, l’expression
àl’intérieur de la somme
précédente
sedécompose
en une sommeW1 + W2 + W3
où
et
La
première
différenceWl
=Wl ( A 1, ... , Ar , A’1,..., A’r)
semajore grâce
à
l’inégalité (ii)
du Lemme 1puis
en sommant sur toutes lescombinaisons,
on obtientLa
première
somme semajore
parcar encore une fois on
peut
montrergrâce
à la remarquequi
suit lamajoration (ii)
du Lemme 5 que les sommes de
probabilités
conditionnellesqui
interviennent sont bornées par une constantequi
nedépend
que de r.La seconde somme se traite de la même
façon
et on obtientLa somme de la seconde différence
W2
=W2(A1,..., Ar, A’1,..., A’r)
semajore
comme suitOn obtient donc
La somme de la dernière différence
W3
=W3(A1,...,Ar,A’1,...A’r)
semajore grâce
à l’encadrement(i)
du Lemme1,
Finalement,
En utilisant maintenant
(14), (15), (16), (17),
et(18)
on obtient lamajoration
suivante
et finalement
ce
qui
achève la preuve du Lemme 6. ~Revenons à
l’expression (11)
deV(03B6r(N)),
en utilisant(12)
et leLemme 6,
on a
La seconde condition du Lemme 2 est
satisfaite,
ceci achève la démonstration du Théorème 2 et nous assure de la convergence presque sûre de03B6r(N)
verse- A Ar ~
e 03BBr r!.
5. Loi forte des
grands
nombres pourRn
On
peut
encore établir la loi forte desgrands
nombres pour la variable aléatoireRn.
Celasignifie
en faitqu’en
moyenneRn
converge vers A.THÉORÈME
3. Soitalors
(03B6N)N
1 converge presque sûrement vers A - -0393(1/s)s sss!.
Preuve du Théorème 3. On va de nouveau utiliser le Lemme 2
appliqué
cettefois à la suite de variables aléatoires
(R.).
La
première
condition est satisfaitepuisque
l’on a vu quePour la seconde
condition,
onexprime
d’abordoù dans la dernière somme,
h ~ H(n), 1 n N, puis
on calcule la variancede 03B6N
On a alors d’une
part,
Or,
quand
puisque E(Rn) ~
a. Donc lapremière
somme est unO(N).
D’autre
part,
enremarquant
que sih
eth’
n’ont pas d’éléments communs alors la différencecorrespondante
estnulle, la
seconde sommepeut
se restreindre auxpaires h’}
où h et/1’
ont des éléments en commun.Il ne reste
plus qu’à
utiliser les estimations de02(n)
et0394(n, m) déjà
établiesau Lemme 5 et en
(14)
pour obtenir unemajoration
de la seconde somme de la variance(19)
enD’où
finalement,
enreportant
dans(19)
on a,V(03B6N) = Os(1 N1/s) et
onpeut
appliquer
à nouveau le Lemme 2. ~Appendice. Inégalités
élémentaires de corrélationNous
présentons
iciséparément
à cause de leur intérêt propre et de leursapplications
ultérieures
possibles
desinégalités permettant
d’estimer différentesprobabilités
d’intersections d’événements
ayant
une faible corrélation.Le lecteur pourra noter
quelques analogies (qui
nous ont aimablement étésig-
nalées par N. Nathanson et J.
Spencer)
entre cesinégalités
et lesinégalités
decorrélation de S. Janson
([3]
and[7]).
On utilisera les
notations classiques
suivantes:P(A) désignera
laprobabilité
de l’événement
A;
Adésignera
l’événementcomplémentaire
de A.THÉORÈME.
Soit(0, T, P)
un espaceprobabilisé,
etEl, E2,..., EN
desévénements mutuellement
indépendants qui
ne sont ni presquesûrs,
ni presqueimpossibles.
On considère troisfamilles Al, A2,
...,AT, B1, B2, ... , Bs,
etB’1, B2, ...,B’s
d’événementsqui
sont chacun une intersection d’éléments de lafamille (Ei)1iN,
avec lacondition BS
CBs
pour tout s de 1 à S.Alors,
on asuccessivement
Preuve.
Pour
(i).
Il suffit en fait de démontrer(i)
pourB’1,..., BS quelconques
etB1 = B1
nEn
où1 n N,
etBS - Bs
pour s 2. Eneffet, chaque Bs
étantégal
à l’intersection deBs
avec un nombre fini d’événementsEi,
la différence évaluée dansl’inégalité (i)
est une somme finie de différencescorrespondant
aucas
simple envisagé précédemment.
On fait alors une récurrence sur T.
Si T =
1,
il y aégalité
à droite et pourl’inégalité
degauche
on considèredeux cas.
1er cas. Si
Al et En, alors,
parindépendance,
il y aégalité
entre les deuxproba-
bilités conditionnelles et c’est fini.
2ème cas. Si
A
1 CEn,
alors en notant queA1 n B1
=A1
nB1’,
on ace
qui
résoud le cas T =1;
considérons maintenant Tquelconque,
on a encore une fois deux cas.1er cas. Si pour tout t, avec
1 t T,
on aAt et En, alors,
parindépendance,
ily a
égalité
entreP(. 1 B’
U... UB’)
etP(. |B1
U... UBs).
2ème cas. Il existe au moins un t tel que
At
CEn ;
sansperte
degénéralité
supposons pour
simplifier que t
= T. Onpeut
alorsdécomposer
en une somme
Wi + W2
oùet
Le
premier
termeWl
se traite par récurrence. On aLe second vérifie
Cette
expression
est d’unepart positive
et d’autrepart majorée
parEn utilisant l’encadrement
précédent (20)
deWl,
et celui deW2
que l’on vient d’obtenir on a alors l’encadrement(i).
Pour
(ii).
L’encadrement(i)
est valable enparticulier
dans le cas où lesBs
sonttous l’intersection d’aucun élément des
( Ei ),
c’est à direB’1
= ... =BS
= 03A9 etB1,..., BS
sontquelconques.
On obtient alorssoit encore
Or,
pour toutAt,
on aOn
applique
alors convenablement l’encadrement(21) qui
donneEn
composant
cetteinégalité
avec l’encadrement(22),
on obtient finalement(ii).
Pour
(iii).
et en utilisant
(ii)
pourchaque différence,
on obtientC’est l’encadrement
(iii).
REMARQUE.
Onpeut
maintenant affiner la démonstration de(i)
au niveau dutraitement de