A.H FA .2016-2017.- C PGE.RÉDA.SLAOUI .- DL P ROBABILITÉ MP1 Variables aléatoirs discrètes Dans ce problème on considère un espace probabilisé (Ω, T , P) et X une variable aléatoire réelle discrète sur Ω Inégalités de Markov et Chebtchev et applications Soit X est une variable aléatoire suivant une loi binomiale B(n, p). p X p (1 − p ) √ ¬ Établir que : ∀ε > 0 , P − p ≥ ε ≤ n ε. n ­ Montrer que : ∀(ε, λ) ∈]0, +∞[2 , P ( X − np > nε) ≤ E (exp (λ ( X − np − nε))) ♣ Notion de convergence et théorème limite Dans cette partie on considère une suite de variables aléatoires réelles discrète sur l’espace probabilisé (Ω, T , P) On dit que la suite ( Xn )n converge en probabilité vers une variable aléatoire réelle discrète X si, seulement si : ∀ε > 0 , lim P ([| X − Xn |] ≥ ε) = 0 n→+∞ ¬ Vérifier que la suite ( Xn )n converge en probabilité vers X si, et seulement si ∀ε > 0 , lim P ([| X − Xn |] < ε) = 1 n→+∞ ­ On considère n variables aléatoires ! ( Bn )n suivant le loi de Bernoulli de paran 1 Bk mètre p , on pose Xn = n k∑ =1 2.1) Montrer que Xn suit la loi binomiale de paramètre (n, p) 2.2) En utilisant l’inégalité de Chebetchev montrer que la suite ( Xn )n converge en probabilité vers la variable constante égale à p ® Soit X et X 0 deux variables aléatoires discrètes définie sur (Ω, T , P) telles que la suite ( Xn )n converge en probabilité vers X et X 0 .Montrer l’événement ( X = X 0 ) est presque sûr ¯ Soit ( Xn )n et (Yn )n deux suites de variables aléatoires réelles discrètes qui converge en probabilité respectivement vers X et Y et λ ∈ R .Montrer que la suite -.(λ.Xn + Yn )n converge en probabilité vers λ.X + Y -.La suite ( Xn Yn )n converge en probabilité vers XY Xn - Si l’événement (Y = 0) est négligeable alors la variable converge en Yn X probabilité vers Y ° Montrer que si ( Xn )n est une suite de variable aléatoire positive telle que lim E( Xn ) = 0 , alors ( Xn )n converge en probabilité vers 0 n→+∞ ± Montrer que si lim E( Xn ) = 0 et n→+∞ ∑ n→+∞ V ( Xn ) = 0 , alors la suite ( Xn )n converge en probabilité vers la variable nulle ² Soit ( Xn )n une suite de variables aléatoires discrètes et X une variable aléatoire discrète .Montrer que Page :1 ♣ A.H FA .2016-2017.- MP1 C PGE.RÉDA.SLAOUI .- DL P ROBABILITÉ Variables aléatoirs discrètes Notion de convergence et théorème limite -. lim E (| Xn − X |) = 0 , alors ( Xn )n converge en probabilité vers X n→+∞ -.Si lim E( Xn − X ) = 0 et n→+∞ lim V ( Xn − X ) = 0 , alors la suite ( Xn )n converge n→+∞ en probabilité X vers la variable - lim E ( Xn − X )2 = 0 alors la suite ( Xn )n converge en probabilité vers X n→+∞ 8 On dit qu’une suite de variables aléatoires ( Xn )n converge en loi vers une variable aléatoire X si, et seulement si en tout point t ou FX est continue , on a lim FXn (t)) = FX (t) n→+∞ 8.1) Montrer que si les variables Xn et X sont discrètes à valeurs dans N alors ( Xn )n converge en loi vers X si, et seulement si ∀k ∈ N , lim P ([ Xn = k]) = P ([ X = k]) n→+∞ 8.2) Soit ( pn )n une suite de réels de ]0, 1[ telle que la suite (npn )n converge de limite λ > 0 .Soit n ∈ N∗ , on note par Xn la variable aléatoire discrète suivant la loi binomiale B(n, pn ) .Montrer que la suite ( Xn )n converge en loi vers la variable de Poisson de paramètre λ 8.3) Soit ( Xn )n une suite de variables aléatoires telle que la variable Xn suit la loi de Poisson paramètre n .Montrer que la suite ( Xn )n converge en loi vers la variable de loi certaine égale à 0 9 Soit ( Xn )n une suite de variable aléatoires indépendantes de même loi admet! 1 n tant un moment d’orde 2 , alors la suite Xk converge en probabilité n k∑ =1 n vers la variable constante µ = E( X1 ) 10 Soit ( Xn )n une suite de variables indépendantes de même loi admettant un mo! n 1 ment d’ordre 2 .Montrer que la suite des variable Yn = ∑ Xk converge n k =1 n en probabilité vers la variable constante µ = E( X1 ).C’est la loi faible des grand nombres Page :2 ♣