Université de Haute-Alsace Jeudi 27 mai 2010
Master de Mathématiques Durée 3 heures
Examen de probabilité
Exercice 1
Etudier la convergence en loi, quand ntend vers l’infini, des trois suites de probabilités sur R:
a) µn=1
nδan+n1
nδ0, où (an)est une suite quelconque de réels
b) νn=U0,n
c) ρn=N(mn, σ2
n), où (mn)est une suite convergeant vers un réel met (σn)est une suite de réels
strictement positifs convergeant vers 0.
Solution
a) Si fest une application continue et bornée de Rdans R
Zfn=1
nf(an) + n1
nf(0),
expression qui converge vers f(0), ce qui prouve que la suite (µn)converge en loi vers la mesure de Dirac
en 0.
b) La fonction caractéristique ϕnde νnest donnée par
ϕn(t) = Zeitxn(x) = 1
nZn
0
eitxdx.
On a ϕn(0) = 1 ; et pour t6= 0 ϕn(t) = 1
itn (eit 1), qui converge vers 0. La suite (ϕn)convergeant vers
une application non continue, la suite (νn)ne peut converger en loi.
c) Si fest une application continue et bornée de Rdans R
Rfn=1
σn2πRf(x) exp((xmn)2
2σ2
n)dx =1
σn2πRf(y+mn) exp(y2
2σ2
n)dy =1
2πRf(σnz+mn) exp(z2
2)dz.
Le théorème de convergence dominée montre que la suite (Rfn)converge vers 1
2πRf(m) exp(z2
2)dz =
f(m), ce qui prouve que la suite (µn)converge en loi vers la mesure de Dirac en m.
Exercice 2
Soit (Xn)n1une suite indépendante de variables aléatoires réelles, à valeurs dans l’intervalle [0,1],
définies sur un espace probabilisé (Ω,F, P ), ces variables ayant toutes pour densité l’application
h(x) = 2x1[0,1].
Pour tout entier n1on pose Un= max(X1, ..., Xn)et Wn=n(1 Un).
a) Montrer que la variable Unadmet pour densité sur Rl’application xgn(x) = 2nx2n11[0,1](x).
b) Calculer EUn,V Unet lim
n+V Un.
c) Prouver que la suite (Un)n1converge en probabilité vers la variable constante égale à 1.
d) Montrer que pour tout réel y0on a lim
n+1[0,n](y)(1 y
n)2n+1 =e2y.
e) Montrer que la suite (Wn)n1converge en loi vers la loi exponentielle E2.
1
Solution
a) Soit Fnla fonction de répartition de Un. La variable Unétant à valeurs dans [0,1], on a
- si t < 0Fn(t) = P(Unt) = 0
- si t1Fn(t) = P(Unt) = 1
- si 0t1
Fn(t) = P(Unt) = P(max(X1, ..., Xn)t) = P(X1t, ..., Xnt) = (2 Zt
0
xdx)n=t2n.
On constate que l’application Fnest continue, et Csur {0,1}c. On en déduit que la variable Unadmet
pour densité l’application gn(x) = 2nx2n11[0,1](x).
b) On a
-EUn= 2nR1
0xx2n1dx =2n
2n+ 1
-EU2
n= 2nR1
0x2x2n1dx =2n
2n+ 2
-V Un=2n
2n+ 2 ³2n
2n+ 1´2=n
(n+ 1)(2n+ 1)2.
De façon évidente la suite (V Un)tend vers 0.
c) On a
E(Un1)2=E£UnEUn)+(EUn1)¤2=V Un+ (EUn1)2.
Puisque lim
n→∞ V Un= 0 et lim
n→∞ EUn= 1, la suite (Un)converge vers 0dans L2; elle converge donc vers 0
en probabilité.
d) Pour ny1[0,n](y)(1 y
n)2n+1 = (1 y
n)2n+1 dont le logarithme est (2n+ 1) ln(1 y
n). L’application
ϕ(x) = ln(1 + x)ayant pour dérivée ϕ0(x) = 1
1+x, l’expression
(2n+ 1) ln(1 y
n) = y
n(2n+ 1)ϕ(y
n)ϕ(0)
y
n0
tend vers 2yϕ0(0) = 2y.
Il en résulte que lim
n→∞ 1[0,n](y)(1 y
n)2n+1 =e2y.
e) On sait que si une variable aléatoire Xadmet sur Rune densité f, la variable Y=aX +b,a6= 0,
admet la densité x1
|a|f(xb
a). La variable Wn=n(1 Un) = nUn+nadmet par conséquent pour
densité l’application
R3x1
| − n|gn(xn
n) = 2n
n(1 y
n)2n11[0,n](y)(1 y
n).
La question précédente montre que
lim
n→∞
2n
n(1 y
n)2n11[0,n](y)(1 y
n) = 2e2y1[0,+[(y).
Puisque la convergence ponctuelle des densités entraîne la convergence en loi, la suite (Wn)converge en
loi vers la loi exponentielle E2.
Exercice 3
On désigne par Pl’ensemble des probabilités µsur Rvérifiant
ZR
x2(x) = 1 et ZR
xdµ(x) = 0.
Soit Tl’application qui à un élément µde Passocie la probabilité T µ définie de la façon suivante :
si Xet Ysont des variable aléatoires réelles indépendante de loi commune µ∈ P,T µ est la loi de la
variable X+Y
2.
2
a) Montrer que l’image de Test contenue dans P.
b) Montrer que si (Xi),i[1..2m], est une suite indépendante de variables aléatoires de loi µ∈ P, la
probabilité Tmµest la loi de la variable 2m
2P2m
i=1 Xi.
c) Montrer que pour tout élément µ∈ P la suite (Tmµ)converge en loi vers la loi γ=N(0,1).
d) Monter que la loi γest le seul élément de Pinvariant par T.
e) Soit (Xn)n1une suite indépendante de variables aléatoires réelles de même loi µ∈ P. On suppose que
la variable X1+X2
2a même loi que la variable X1. Montrer que les variables Xnsuivent une loi normale.
Solution
a) si Xet Ysont des variable aléatoires réelles indépendante de loi commune µ∈ P
-E¡X+Y
2¢=EX+EY
2= 0
-V¡X+Y
2¢=V X+V Y
2= 1
ce qui prouve que Test une application de Pdans P.
b) Montrons la propriété par récurrence.
Par hypothèse la propriété est vraie pour m= 1.
Supposons la vérifiée pour un entier m. Par définition de T,Tm+1(µ) = T¡Tm(µ)¢est la loi d’une
somme X+Y
2, où Xet Ysont des variable aléatoires réelles indépendante de loi commune Tm(µ).
Soit (Xi),i[1..2m+1], une suite indépendante de variables aléatoires de loi µ∈ P. Par hypothèse de
récurrence, Tm(µ)est la loi de la variable X= 2m
2P2m
i=1 Xi. La variable Y= 2m
2P2m+1
i=2m+1 Xipossède la
même loi que X, et le couple (X, Y ) = est indépendant. Par définition Tm+1(µ) = T¡Tm(µ)¢est la loi de
la variable
X+Y
2=2m
2P2m
i=1 Xi+ 2m
2P2m+1
i=2m+1 Xi
2= 2m+1
2
2m+1
X
i=1
Xi.
c) Soit (Xn)n1une suite indépendante de variables aléatoires réelles de même loi µ∈ P. La question
précédente a montré que la probabilité Tm(µ)est la loi de la variable 2m
2P2m
i=1 Xi. La variance de la
somme P2m
i=1 Xiétant 2m, le théorème limite central entraîne la convergence en loi de la suite 2m
2P2m
i=1 Xi
vers la loi normale N(0,1).
d) Si µest élément de Pinvariant par T, on a pour tout m1Tm(µ) = µ. La question précédente
montre immédiatement que µ=N(0,1).
e) L’hypothèse se traduit par T(µ) = µ, autrement dit que µest élément de Pinvariant par T.
Exercice 4
Soit (Ω,F, P )un espace probabilisé et (Xn)n1une suite indépendante de variable aléatoires de carré
intégrable. On suppose qu’il existe une constante ARtelle que pour tout n1,V(Xn)A. Pour
chaque entier n1, on pose Sn=1
nPn
i=1(XiE(Xi)).
a) Soit δ > 0, Montrer que P(|Sn| ≥ δ)A
2.
b) Soit ϕ:NNune application strictement croissante telle que Pn1
1
ϕ(n)<+. Montrer que pour
tout δ > 0il existe une partie mesurable δde probabilité 1telle que pour tout ωδ, l’ensemble des
entiers n1pour lesquels ¯
¯Sϕ(n)(ω)¯
¯δest fini. En déduire que la sous suite (Sϕ(n))n1converge presque
sûrement vers 0.
Solution
a) Par l’inégalité de Bienaymé-Tchebychev
P(|Sn| ≥ δ)V(Sn)2=1
n2
n
X
i=1
V(XiE(Xi))21
n2nA/δ2=A/nδ2.
3
b) Puisque
P(|Sϕ(n)| ≥ δ)A
ϕ(n)δ2,
on a X
n≥∞
P(|Sϕ(n)| ≥ δ)<.
Posons An={|Sϕ(n)| ≥ δ}; le lemme de Borel-Cantelli implique l’égalité P(limAn) = 0. L’événement
δ= (limAn)cest de probabilité égale à 1. Comme
limAn={ωn1pn ω Ap},
on a
δ={ωn1pn ω 6=Ap},
ce qui entraîne que l’ensemble des entiers n1pour lesquels ¯
¯Sϕ(n)(ω)¯
¯δest fini. On a donc montré
que
δ > 0ωδn1pn|Sϕ(p)(ω)|< δ,
ce qui signifie que la suite (Sϕ(n))n1converge vers 0sur l’ensemble δ, donc presque sûrement.
Exercice 5
On considère le modèle statistique (Ω,F,(P0, P1)) X
(]0,+[,(Q0, Q1)), avec (P0)X=Q0=fm et
(P1)X=Q1=gm, où mdésigne la restriction à ]0,+[de la mesure de Lebesgue, fet gles applications
de ]0,+[dans ]0,+[définies par f(x) = exet g(x) = 2e2x.
a) Montrer que pour tout réel k0l’ensemble {kf =g}est fini.
b) Donner explicitement un test ϕde Neyman-Pearson de taille 0,1de H0: la loi suivie est Q0contre
H1: la loi suivie est Q1. Déterminer la puissance de ce test.
c) On pose a= ln(10), et on considère le test déterministe de H0contre H1de région de rejet l’intervalle
I= [a, +[, i.e. le test ψ= 1I. Déterminer la taille et la puissance de ce test.
d) Comparer les puissances des tests ϕet ψ. Pourquoi pouvait-on prévoir le résultat ?
Solution
a) L’ensemble
{kf =g}={x > 0 : kex= 2e2x}={x > 0 : ex=k/2}
est de cardinal 0ou 1.
b) La question a) montre qu’il existe un test déterministe ϕde H0contre H1, de région de rejet de la
forme {kf g}, i.e. ϕ= 1{kf g}. Ce test est de taille 0,1si Q0({kf g}) = 0,1. Comme
{kf g}={x > 0 : k/2ex}={x > 0 : ln(k/2) ≤ −x}={x > 0 : xln(2/k)},
ce qui suppose que 0< k < 2, la région de rejet est de la forme ]0, K], avec K= ln(2/k).
Le réel Kest déterminé par
0,1 = Q0(]0, K]) = ZK
0
exdx = 1 eK,
soit K=ln(0,9). La région de rejet de H0est l’intervalle ]0,ln(0,9)], et ϕ= 1]0,ln(0,9)] La valeur
correspondante de kest donnée par ln(2/k) = ln(0,9), soit k= 2 ×0,9 = 0,18.
La puissance du test s’écrit
Z]0,+[
ϕdQ1=Q1(]0, K]) = ZK
0
2e2xdx = 1 e2 ln(0,9) = 1 0,92= 0,09.
4
c) La taille du test ψest
Z]0,+[
ψdQ0=Q0([a, +[) = Z+
ln(10)
exdx =eln(10) = 0,1.
d) La puissance du test ψest
Z]0,+[
ψdQ1=Q1([a, +[) = Z+
ln(10)
2e2xdx =e2 ln(10) = 0,01.
La puissance du test ψest inférieure à celle du test ϕ, ce qui est conforme au fait que le test ϕest un test
de Neyman-Pearson, donc un test UPP au seuil 0,1.
Loi Support Densité Espérance Variance
δaaR{a}a0
B(n, p)nNp[0,1] [0..n]Ck
npk(1 p)nknp np(1 p)
Pλλ > 0Neλλn/n!λ λ
Gp0< p < 1Np(1 p)n(1 p)/p (1 p)/p2
G
p0< p < 1Np(1 p)n11/p (1 p)/p2
Loi Support Densité Espérance Variance
Ua,b a < b [a, b] (ba)11[a,b](a+b)/2 (ba)2/12
Eλλ > 0 [0,[λeλx1[0,+[λ1λ2
T r(a)a > 0 [a, a]1
a(1 |x|
a) 0 a2
6
N(m, σ2)mR,σ > 0R1
σ2πexp{−(xm)2
2σ2}m σ2
5
1 / 5 100%
La catégorie de ce document est-elle correcte?
Merci pour votre participation!

Faire une suggestion

Avez-vous trouvé des erreurs dans linterface ou les textes ? Ou savez-vous comment améliorer linterface utilisateur de StudyLib ? Nhésitez pas à envoyer vos suggestions. Cest très important pour nous !