Par linéarité de l’espérance, on a
E(In) = 1
n
n
X
k=1
E(g(Uk)) = I.
La dernière égalité provient du fait que les (Uk)sont identiquement distribuées. Pour
calculer la variance, on utilise aussi le fait qu’elles sont identiquement distribuées
mais aussi indépendantes :
Var(In) = 1
n2
n
X
k=1
Var(g(Uk)) = σ2
n.
ii) Les (g(Uk)) sont iid et admettent un moment d’ordre 1 fini. D’après la loi forte des
grands nombres, la suite (In)converge p.s. vers I.
b) i)
Var(In)≤E(I2
n)≤1
nZ1
0
M2dx=M2
n.
ii) On applique l’inégalité de Bienaymé-Chebyshev à Inqui a un moment d’ordre 2 fini.
P(|In−I| ≥ ε)≤Var(In)
ε2≤M2
nε2.
c) i) On prend M= 1,ε= 0,1. On veut que M2
nε2= 0,01. Ce qui donne n= 10000.
ii) Comme les g(Uk)sont iid et ont un moment d’ordre 2, d’après le théorème central
limite, √n
σ(In−I)converge en loi vers une variable gaussienne centrée réduite. En
particulier,
lim
n→∞ P(|In−I| ≤ 1,96σ
√n) = Z1,96
−1,96
1
√2πe−x2/2dx'0,99
En majorant encore σpar M2= 1, et 1,96 par 2, on augmente l’événement dans
la probabilité. On trouve donc que si on est déjà dans le régime asymptotique où
on peut faire l’approximation du théorème central limite pour nfini, on a la bonne
précision pour 2
√n= 0,1, soit n= 400.
Exercice 2. Soit θ > 0. Des individus numérotés 1,2, . . . , n, arrivent successivement dans
une salle de restaurant contenant une infinité de tables infiniment longues. Le premier individu
s’assied à une table au hasard. Pour tout entier k≥1, lorsque l’individu k+ 1 arrive, avec
la probabilité k/(k+θ)il choisit uniformément au hasard un des kconvives déjà attablés et
s’assied à la même table, ou avec la probabilité θ/(k+θ)occupe une table inoccupée.
On désigne par Knle nombre de tables occupées lorsque nconvives se sont installés, et par fn
la fonction génératrice de Kn.
a) i) Montrer que
Kn=
n−1
X
k=0
εk,
où les (εk)k=0,...,n−1sont des variables de Bernoulli indépendantes dont on précisera
les probabilités de succès respectives.
2