• 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

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

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.

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

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

Variables aléatoires réelles. Classe