[<] Loi conjointes, Loi marginales [>] Calcul d'espérances et variances
Soit une variable aléatoire réelle presque sûrement bornée.
Montrer que admet une espérance finie.
Solution
Méthode: S’il existe une variable aléatoire d’espérance finie telle que presque sûrement alors admet une espérance finie.
Affirmer que la variable aléatoire est presque sûrement bornée signifie qu’il existe tel que presque sûrement. Puisque la variable aléatoire constante égale à admet une espérance finie, par domination, admet aussi une espérance finie.
Soit une variable aléatoire réelle admettant une variance.
Justifier
En déduire
Solution
L’égalité est vraie lorsque la valeur de la variable est non nulle car la fonction indicatrice prend la valeur et l’égalité est aussi vraie lorsque prend la valeur nulle.
Méthode: On applique l’inégalité de Cauchy-Schwarz à l’étude de l’espérance du produit des variables et .
Les variables et admettant chacune une variance, l’inégalité de Cauchy-Schwarz donne
avec
On en déduit11 1 Cela entraîne ce qui découle aussi de .
Soit une variable aléatoire réelle centrée admettant une variance. Établir
Solution
Pour , l’inégalité de Cauchy-Schwarz s’exprime
(1) |
D’une part,
D’autre part, considérons prenant les valeurs de sorte que . On a
car est constante égale à .
L’inégalité (1) donne alors
(Inégalité de Jensen)
Soient une fonction dérivable convexe et une variable aléatoire réelle admettant une espérance finie.
Montrer
En déduire que si admet une espérance finie alors
Solution
Puisque est dérivable et convexe, le graphe de est au-dessus de chacune de ses tangentes. Une équation de la tangente à en est
et donc
L’inégalité voulue est alors conséquence de la comparaison précédente pour .
Par croissance de l’espérance puis linéarité
Soient et deux variables aléatoires indépendantes à valeurs strictement positives et de même loi. Établir
Solution
Par indépendance,
Par correspondance des lois,
Ainsi,
Or
car, pour tout ,
On en déduit la comparaison voulue.
Soit une variable aléatoire à valeurs dans . On suppose que admet une espérance finie. Montrer
Solution
Par hypothèse, la série converge et donc, pour ,
car le reste d’une série convergente est de limite nulle.
Soit une variable aléatoire à valeurs dans admettant une espérance finie.
Montrer que pour tout entier naturel ,
En déduire une expression de .
Solution
Raisonnons par récurrence sur .
La propriété est immédiate pour .
Supposons la propriété vraie au rang . En isolant un terme de la somme et en employant l’hypothèse de récurrence,
En écrivant
on poursuit le calcul afin de former la relation attendue
La récurrence est établie.
Pour tout ,
Le reste d’une série convergente étant de limite nulle, on obtient par encadrement
On en déduit
avec convergence de la série introduite.
Soit une variable aléatoire à valeurs dans .
Montrer que admet une espérance finie si, et seulement si, la série converge et qu’alors11 1 Cette identité sera souvent utilisée par la suite.
Soit une variable aléatoire à valeurs dans admettant une variance. Établir
Solution
Pour une variable aléatoire à valeurs dans admettant une espérance finie, on sait
avec convergence de la série exprimant le second membre.
On emploie ici ce résultat pour la variable et l’on écrit
avec convergence de la série à termes positifs exprimant le second membre.
Visualisons les premiers termes de cette somme:
Puisque prend ses valeurs dans ,
et donc
Par sommation par paquets, regroupons entre eux les termes égaux
avec, pour tout ,
La somme comportant termes identiques,
On en déduit
avec convergence de la série exprimant le second membre.
Soit une variable aléatoire réelle prenant un nombre fini de valeurs.
On suppose que prend des valeurs toutes positives. Établir
On suppose que les valeurs prises par sont de signes quelconques. Proposer une expression de comme somme de deux intégrales.
Solution
On remarque que la fonction est en escalier et, par conséquent, continue par morceaux. Au surplus, celle-ci est identiquement nulle pour assez grand11 1 Précisément, dès que est supérieur à la valeur maximale prise par . et il est possible d’introduire l’intégrale étudiée. Notons les valeurs prises par . Par la relation de Chasles,
en posant . Pour dans l’intervalle , la probabilité est constante égale à la somme des pour . On a donc
Ceci conduit à considérer une somme triangulaire où l’on échange les deux signes sommes,
Si est une variable aléatoire à valeurs négatives, on obtient en considérant puis en réalisant le changement de variable
Si est une variable aléatoire à valeurs de signes quelconques, on l’écrit avec et . On a alors
Cependant, pour tout , tandis que pour tout . On en déduit
Soit une variable aléatoire à valeurs dans d’espérance finie.
Établir
Solution
Pour , on a
Pour , en réorganisant le calcul de la somme
D’une part,
et donc
D’autre part
et donc
On conclut
(Fonction caractéristique)
On appelle fonction caractéristique d’une variable aléatoire prenant ses valeurs dans , l’application donnée par
Vérifier que est définie, continue sur et -périodique.
Soient et deux variables aléatoires indépendantes à valeurs dans . Établir
Soient et deux variables aléatoires à valeurs dans . Établir
Application : Retrouver que la somme de deux variables aléatoires indépendantes suivant des lois Poisson suit une loi de Poisson.
Solution
Pour tout , la variable aléatoire est bornée, elle admet donc une espérance et cela assure la définition . De plus, la formule de transfert donne
Les fonctions sont continues et la série de fonctions converge normalement11 1 Contrairement à l’usage, parcourt au lieu de mais cela ne change par grand chose: il suffit de séparer la somme en deux selon le signe de l’indice pour adapter les propos. sur car
On en déduit que la fonction est continue. Aussi, cette fonction est -périodique car chacune des fonctions l’est.
Notons que prend ses valeurs dans ce qui autorise à introduire sa fonction caractéristique. Pour ,
Or les variables et sont indépendantes et donc et le sont aussi. L’espérance du produit de ses variables est alors le produit des espérances
Remarquonq que, pour tout ,
Supposons .
Soit . On a
Or
Les fonctions sont continues sur et la série converge normalement sur par des arguments analogues à ceux déjà dits: on peut intégrer terme à terme
Compte tenu du calcul initial, on simplifie la somme
De la même façon,
et donc . Puisque cela vaut pour tout , les variables aléatoires et suivent la même loi.
Si suit une loi de Poisson de paramètre ,
Si et suivent des lois de Poisson indépendantes de paramètres et ,
On reconnaît la fonction caractéristique d’une loi de Poisson de paramètre et donc suit une telle loi.
(Formule de Wald)
Soit une suite de variables aléatoires indépendantes et identiquement distribuées suivant la loi d’une certaine variable réelle . Soit aussi une variable aléatoire à valeurs dans indépendante des variables . On pose
On admet que définit une variable aléatoire11 1 Voir sujet 4046.
On suppose et admettent une espérance. Établir que admet une espérance et vérifier .
Solution
La famille constitue un système complet d’événements.
Pour ,
Par incompatibilité puis indépendance,
En conduisant le calcul dans ,
Les termes étant tous positifs, on peut réorganiser le calcul de la somme
Par la formule du transfert,
Or
et donc
Par conséquent, la famille est sommable: la variable admet une espérance finie.
On reprend les calculs précédents sachant la sommabilité
(Espérance conditionnelle)
Soit une variable aléatoire sur un espace probabilisé .
Pour événement non négligeable et sous réserve d’existence, on introduit, l’espérance conditionnelle de sachant égale à l’espérance de pour la probabilité conditionnelle :
On suppose que est d’espérance finie.
Justifier l’existence de et vérifier
Soit un système complet d’événements non négligeables. Vérifier
Solution
Pour ,
Puisque est d’espérance finie, la famille est sommable. Par domination, la famille est sommable. On peut donc introduire l’espérance de sachant et, en reprenant le calcul,
Pour , donc . Cette égalité est aussi vraie pour et donc
Par sommation par paquets,
Par probabilités composées,
Soit une suite de variables aléatoires suivant toute la loi d’une variable à valeurs dans . Pour , on pose
Soit . Établir
En déduire
On suppose que admet une espérance finie. Montrer
Solution
Cas: . Tout entier naturel est soit élément de soit supérieur ou égal à . On en déduit que
Par suite,
Sachant , il vient
Cas: . On introduit et l’on conclut à l’aide de ce qui précède en observant
Considérons . Puisque
on obtient
puis, par comparaison,
La variable est à valeurs positives. Par l’inégalité de Markov,
et donc
Pour , on en déduit
Soient une variable aléatoire admettant une espérance et un système complet d’événements. Établir
Solution
Par définition,
Puisque est un système complet d’événements,
Par incompatibilité,
Pour ,
On a donc
et cette dernière égalité est aussi vraie lorsque .
On a donc
La famille initiale étant sommable, la famille doublement indexée qui s’en est déduit est aussi: cela permet d’échanger les deux sommes puis conclure
Soit une variable aléatoire réelle admettant une espérance finie.
Montrer
Solution
Soit une suite réelle injective contenant les valeurs prises par . Par hypothèse, il y a convergence absolue de la série
Considérons ensuite la série de fonctions avec
On remarque
On remarque aussi
La série de fonctions converge normalement sur et, par le théorème de la double limite,
Soit une suite d’événements d’un espace probabilisé . On suppose que toutes les intersections d’une infinité d’événements choisis parmi les sont vides et l’on introduit la variable aléatoire à valeurs dans définie par11 1 La variable dénombre les événements de la suite qui sont réalisés. Par hypothèse, celle-ci ne prend que des « valeurs finies ».
Montrer que admet une espérance finie si, et seulement si, la série converge et qu’alors
Solution
Méthode: L’espérance de la fonction indicatrice d’un événement est la probabilité de cet événement.
Pour , introduisons la variable
Les variables admettent une espérance et, par linéarité,
Si la variable admet une espérance finie, la comparaison entraîne
La série à termes positifs est alors convergente car ses sommes partielles sont majorées et l’on a
(1) |
Inversement, supposons la convergence de la série .
Méthode: Une variable aléatoire à valeurs dans admet une espérance finie si, et seulement si, la série converge et sa somme détermine alors cette espérance. Voir le sujet 4026.
Soit . Pour tout , on remarque l’inclusion
Par continuité croissante,
Pour tout , on a alors
Or
et donc
La série à termes positifs est alors convergente car ses sommes partielles sont majorées. Ainsi, admet une espérance finie et de plus
(2) |
Les comparaisons (1) et (2) se complètent alors pour produire l’égalité voulue
Soit un espace probabilisé et une suite d’événements quelconques vérifiant
Pour un ensemble quelconque, on note la fonction indicatrice de .
Soit (on convient si la série diverge).
Prouvez que est une variable aléatoire discrète.
Soit
Prouver que est un événement et que .
Prouver que admet une espérance.
Solution
La variable aléatoire prend ses valeurs dans l’ensemble dénombrable .
Pour , on a lorsque appartient à exactement événements parmi les . Pour , appartenir aux ensembles et pas aux autres s’expriment comme une intersection dénombrable d’événements et : c’est donc un événement. En faisant varier les sur l’ensemble dénombrable des possibles, se comprend comme une réunion d’événements.
Enfin, est aussi un événement car c’est le complémentaire de la réunion dénombrable des événements pour parcourant .
est le complémentaire de , c’est bien un événement.
correspond à l’ensemble des appartenant à une infinité de . On peut l’écrire comme l’intersection décroissante
Par continuité décroissante
Or
On peut conclure puis .
Posons . Commençons par établir
Puisque , on a
et, par continuité croissante,
Or
ce qui établit la propriété voulue.
Pour , on a alors
avec
La série est alors convergente puisque c’est une série à termes positifs aux sommes partielles majorées. On en déduit que admet une espérance finie (et l’on peut montrer que celle-ci est la somme de la série des ).
[<] Loi conjointes, Loi marginales [>] Calcul d'espérances et variances
Édité le 24-01-2025
Bootstrap 3
-
LaTeXML
-
Powered by MathJax