• Aucun résultat trouvé

III D’autres sommes aléatoires

N/A
N/A
Protected

Academic year: 2021

Partager "III D’autres sommes aléatoires"

Copied!
6
0
0

Texte intégral

(1)

mp* 20-21 : DTL5

09/01/2021

A lire attentivement avant de commencer à travailler :

Pour une fois, pas de choix.

Deux problèmes : une partie d’un énoncé Mines, et un énoncé Centrale presque complet.

L’ensemble est évidemment très long, ce qui permet de trouver à bien travailler pendant le temps imparti.

Il est conseillé de commencer par l’énoncé Mines.

Si vous y pensez et si ça ne vous conduit pas à faire une copie double avec 3 pages blanches, c’est bien de rendre Mines et Centrale sur deux copies séparées.

(2)

Problème 1 (Mines)

Dans ce problème, toutes les variables aléatoires considérées sont réelles et dis- crètes, définies sur un espace probabilisé (Ω,A, P). Soit α > 0, on dit qu’une variable aléatoireX est α-sous-gaussienne si :

∀t∈R, E(exp(tX))≤exp α2t2

2

.

On rappelle la notation : ch(t) = exp (t)+ exp (−t)

2 .

1) Montrer que pour tout t ∈ R, on a ch(t) ≤ exp t2

2

. On pourra au préalable rappeler le développement de la fonction ch en série entière sur R.

2) Soitt∈R. Démontrer que six∈[−1,1], on a l’inégalité de convexité : exp(tx)≤1 +x

2 exp(t) +1−x

2 exp(−t).

3) Soit X une variable aléatoire réelle bornée par 1 (|X| ≤ 1) et centrée (E(X) = 0). Montrer queX est1-sous-gaussienne.

En déduire que siX est bornée parα >0(|X| ≤α) et centrée, alors elle estα-sous-gaussienne.

4) SoitX1, . . . , Xn des variables aléatoires mutuellement indépendantes et α-sous-gaussiennes, etµ1, µ2, . . . , µn des nombres réels tels que

n

X

i=1

i)2= 1.

Montrer que la variable aléatoire

n

X

i=1

µiXi est aussiα-sous-gaussienne.

5) Soit X une variable aléatoire α-sous-gaussienne etλ > 0. Montrer que pour toutt >0:

P(X ≥λ)≤exp α2t2

2 −tλ

.

En déduire que :

P(|X| ≥λ)≤2 exp

− λ22

.

Dans la suite du problème, on admet qu’une variable aléatoireX à valeurs dans N est d’espérance finie si et seulement si la sériePP(X ≥k)converge et que dans ce cas :

E(X) =

+∞

X

k=1

P(X ≥k).

(3)

6) Si X est une variable aléatoire à valeurs dans R+, montrer que X est d’espérance finie si et seulement si la série de terme général P(X ≥k) converge et que dans ce cas :

+∞

X

k=1

P(X≥k)≤E(X)≤1 +

+∞

X

k=1

P(X ≥k)

On pourra pour cela considérer la partie entièrebXc.

Pour touts∈]1,+∞[, on noteζ(s) =

+∞

P

k=1

k−s.

7) Soit X une variable aléatoire α-sous-gaussienne et β >0. Montrer que pour tout entierk >0:

P

exp

β2X2 2

≥k

≤2k−η

où on a posé η=α−2β−2.En déduire que siαβ <1, la variable aléatoire exp

β2X 2 2

est d’espérance finie majorée par 1 + 2ζ(η).

(4)

Problème 2 (Centrale)

Le problème étudie quelques propriétés de variables aléatoires réelles finies de la forme

n

X

k=1

akXk, où lesaksont des réels et lesXk sont des variables aléatoires mutuellement indépendantes à valeurs dans{1,−1}.

La première partie établit des résultats sur des intégrales, utilisés dans les parties suivantes.

À partir de la deuxième partie, on suppose donnée une suite(Xn)n∈N de va- riables aléatoires mutuellement indépendantes définies sur un espace probabilisé (Ω,A, P), à valeurs dans{1,−1} et vérifiant

∀k∈N, P(Xk= 1) =P(Xk=−1) = 1 2

I Suites et intégrales

I.A - Étude d’une intégrale à paramètre Pour x∈R+ , on pose

f(x) = Z +∞

0

1−cost t2 e−xtdt

I.A.1) Montrer que f est définie et continue sur [0,+∞[ et de classe C2 sur ]0,+∞[.

I.A.2) Déterminer les limites def etf0 en+∞.

I.A.3)Exprimerf00sur]0,+∞[à l’aide de fonctions usuelles et en déduire que

∀x >0, f0(x) = ln(x)−1

2ln(x2+ 1) I.A.4) Montrer

( ∀x >0, f(x) =xln(x)−21xln(x2+ 1)−arctan(x) +π2 f(0) = π2

I.A.5) Montrer

∀s∈R, |s|= 2 π

Z +∞

0

1−cos(st) t2 dt I.B - Étude d’une suite d’intégrales

Dans cette section, on étudie la suite(un)n∈N définie par

∀n∈N, un= Z +∞

0

1−(cost)n t2 dt

I.B.1)Justifier l’existence de la suite(un)n∈N et préciser la monotonie de la sous-suite (u2n)n∈N.

(5)

I.B.2)Montrer queu1=u2= π2. I.C - Calcul d’un équivalent de un

I.C.1)Montrer que

∀n∈N, un=

√n 2√

2vn avec vn = Z +∞

0

1− cos(p

2u/n)n u√

u du

I.C.2)Montrer que

∀(n, u)∈N×]0,1], 1−

cos(p

2u/n)n ≤u [On pourra par exemple calculer la dérivée de l’applicationu7−→

cos(p

2u/n)n sur]0,+∞[, et montrer que cette dérivée est majorée en valeur absolue par 1.]

I.C.3)Montrer que la suite(vn)n∈N admet une limite finielvérifiant l=

Z

0

1−e−u u√

u du I.C.4)On admet la relation

Z

0

e−u

√udu=√ π.

Conclure queun∼ rnπ

2 .

II Autour du pile ou face

Dans cette partie, comme il est indiqué dans le préambule, on considère une suite (Xn)n∈N de variables aléatoires mutuellement indépendantes, à valeurs dans{1,−1}et telles que, pour tout k∈N,

P(Xk = 1) =P(Xk=−1) = 1 2 Pour toutn∈N, on poseSn =X1+· · ·+Xn.

L’espérance d’une variable aléatoire réelle finieZ est notéeE(Z)et sa variance V(Z).

II.A - Étude de E(|Sn|)

II.A.1)Déterminer l’espérance et la variance de Sn.

II.A.2)SoitSetTdeux variables aléatoires réelles finies indépendantes définies sur(Ω,A, P). On suppose queT et −T ont même loi.

Montrer queE(cos(S+T)) =E(cos(S))E(cos(T)).

II.A.3)On considère la fonctionϕndeRdansRtelle queϕn(t) =E(cos(Snt)) pour tout réelt.

Montrer queϕn(t) = (cost)n pour tout entiern∈N et tout réelt.

II.A.4)Montrer, pour tout n∈N,E(|Sn|) = 2 πun.

On utilisera l’expression intégrale de la valeur absolue obtenue à la question I.A.5.

(6)

II.A.5)Déduire de la question précédente que, pour toutn∈N, u2n+1=u2n+2. On pourra commencer par montrer

|S2n+2|=|S2n+1|+1S2n+1>0X2n+2−1S2n+1<0X2n+2

où1Aest le fonction indicatrice de l’évènementA.

II.B - Étude de Sn

n

On se propose de démontrer que la suite Sn

n

n∈N

converge presque sûrement vers 0, c’est-à-dire qu’il existe un événement négligeableZ ∈ Atel que

∀ω∈Ω\ Z, Sn(ω)

n −→

n→∞0 Pour toutn∈N, on pose

Un= Sn

n 4

et Zn=

ω∈Ω, ∃k≥n, Uk(ω)≥ 1

√ k

II.B.1)Montrer queE(S4n) = 3n2−2npour toutn∈N. II.B.2)Montrer que, pour toutn∈N,P

Un≥ 1

√n

≤ 3 n3/2. II.B.3)Montrer queZn∈ Apour toutn∈N et que lim

n→+∞P(Zn) = 0.

II.B.4) En considérant Z = \

n∈N

Zn, montrer que Sn

n

converge presque sûrement vers0.

III D’autres sommes aléatoires

On conserve la suite (Xn)n∈N de la partie précédente et on considère de plus une suite(an)n∈N de réels positifs ou nuls. Pour toutn∈N, on pose Tn=

n

X

k=1

akXk.

III.A - Étude de E(|Tn|)

III.A.1)Montrer que la suite (E(|Tn|))n∈N est croissante.

III.A.2)Montrer que si la sérieX

a2nest convergente, alors la suite(E(|Tn|))n∈N

est convergente.

Références

Documents relatifs

Definition 46 Une variable aléatoire est dite centrée réduite si elle admet une variance, si son espérance est nulle et si sa variance est égale à

Théorème 19 Soient X et Y deux variables aléatoires réelles discrètes possédant un moment

n souris (minimum 3) sont lâchées en direction de 3 cages, chaque cage pouvant contenir les n souris et chaque souris allant dans une cage au hasard.. Calculer la probabilité

Considérons d'abord le cas où toutes les valeurs possibles de X,, sont multiples de —{p indépendant de v ) ; le cas de quasi-conver- gence et le cas mixte sont seuls possibles.

Variables aléatoires réelles. Classe

Autrement dit, F X définit la répartition aléatoire de X et permet ainis d’expliquer le terme de v.a.r.. • Évidemment, ce résultat est

PREPA COURCELLES 2° année Compléments sur les variables aléatoires réelles quelconques1. Indépendance de deux variables aléatoires réelles quelconques

Si le calcul de l’espérance n’est pas demandé, il est possible que X ne possède pas d’espérance : dans ce cas on considère la fonction t 7→ t f (t ) et on reconnaît