Colle de Mathématiques : Semaine du 20 / 03 / 2017 Fonctions de deux variables. cf. programme précédent Convergence et approximations de variables aléatoires. 1. Convergence en probabilité. Inégalité de Markov. Inégalité de Bienaymé-Tchebychev . Convergence en probabilité. Dénition. Loi faible des grands nombres. 2. Convergence en loi. Dénition. Cas des variables discrètes. Preuve I Proposition 1. Soit (Xn ) une suite de variables aléatoires discrètes à valeur dans aléatoire discrète à valeurs dans Z et X une variable Z. Alors, on a l'équivalence : (Xn ) converge en loi vers ' Théorème 1. Soit X ∀k ∈ Z, si, et seulement si lim P (Xn = k) = P (X = k). n→+∞ $ Théorème central limite (Xn )n∈N m une suite de variables aléatoires indépendantes et de même loi, admettant une 2 et une variance non nulle σ . n X Sn − nm √ Xk et Sn∗ = On pose Sn = . espérance σ n k=1 Alors la suite (Sn∗ )n∈N converge en loi vers une variable aléatoire N de loi normale N (0, 1). Sn − nm L √ −→ N (0, 1). σ n i.e. & % 3. Approximations. I Proposition 2. Soient λ > 0, (Xn )n∈N∗ ∀n ∈ N Alors I (Xn )n∈N∗ (Sn )n∈N∗ , λ . Xn ,→ B n, n converge en loi vers une variable aléatoire Proposition 3. Soit une suite de variables aléatoires discrètes telles que ∗ Soit p ∈]0; 1[. On note X qui suit une loi I Proposition Sn ,→ P (nα). 4. Soient Alors la suite de terme général Sn∗ = (Sn ) ∀n ∈ N∗ , Sn ,→ B (n, p). Preuve Sn − np Sn∗ = √ npq α > 0, P(λ). q = 1 − p. une suite de variables aléatoires discrètes telles que Alors la suite de terme général Preuve converge en loi vers une variable aléatoire de loi N (0, 1). une suite de variables aléatoires discrètes telles que Sn − nα √ nα converge en loi vers une variable aléatoire N (0, 1). 1 X ∀n ∈ N∗ , Preuve qui suit une loi Estimation. 1. Introduction. Échantillon d'une variable aléatoire. Dénition. Exemple. Outils utilisés dans les exercices. 2. Estimation ponctuelle. Dénition d'un estimateur. Un estimateur important : la moyenne empirique. Biais. Dénition. Estimateurs asymptotiquement sans biais. Risque quadratique. Dénition. I Proposition 5. Soit Tn un estimateur de θ, de risque quadratique rθ (Tn ). Alors : Preuve rθ (Tn ) = [b(Tn )]2 + V (Tn ). Estimateur convergent. Dénition. Lien avec la convergence vers 0 du risque quadratique. Exemples à maîtriser ( ils pourront faire l'objet de la question de cours ): 0, x n 1− 1− n 1 si x ∈ R si x ∈ [0; n[ si x ∈ [n; ∞[. ∗ − Pour n ∈ N , on considère la var X de fonction F dénie par F (x) = Montrer que (X ) converge en loi vers une variable aléatoire X que l'on précisera. 99K Soit (X ) une suite de variable aléatoire telle que X (Ω) = [[0, N ]] et pour k ∈ [[1, N ]], P (X = k) = N + 11+ e , P (X = 0) = a. Déterminer a et montrer que (X ) converge en loi vers une variable aléatoire X dénie sur [[0, N ]]. ∗ 99K n n n + n n n n n −n n 99K Soit une suite de variables aléatoires (X ) indépendantes, dénies sur (Ω, A, P ) telles que ∀i ∈ N , X On note Y = X + ..n + X . Z Montrer que : lim P 2 − √1n 6 Y 6 2 + √1n = √12π e dt. ∗ i i∈N 1 i ,→ G . 1 2 n n 1 √ 2 n→+∞ 99K n −t2 2 −1 √ 2 Les propositions 2,3,4,5 précédentes avec leur preuve. - La colle commencera systématiquement par une question de cours dont l'exposé ne devra pas excéder 10 minutes. Un élève qui ne connaît pas son cours n'a pas la moyenne. Une question de cours peut être une dénition, un théorème (ou une propriété) avec ou sans sa démonstration dans le cas où celle-ci a été étudiée, des formules à énoncer etc... Question de cours : 2