ISFA - L3 Actuariat Feuille de TD no 4:math.univ-lyon1.
fr/homes-www/lerouvillois
Probabilités Avancées Convergence de suites de variables aléatoires [email protected]
Semestre printemps 2018-2019 [email protected]
1 Convergence p.s, en probabilité et dans Lp Exercice 2 : Convergence d’un estimateur
Soit (Un )n∈N une suite de v.a i.i.d de loi uniforme sur [0, θ] avec θ ∈
R+ , un paramètre inconnu que l’on cherche à estimer. On s’intéresse à la
Exercice 1 : Liens entre les différents types de convergence
consistance de l’estimateur défini par :
1. Montrer que si 1 ≤ q ≤ p alors la convergence dans Lp implique la Xn = max(U1 , ..., Un ).
convergence dans Lq .
1. Calculer la fonction de répartition de Xn .
2. Montrer que la convergence dans Lp avec p ≥ 1 implique la conver-
gence en probabilité. 2. Montrer que
p.s
Xn −→ θ.
3. Montrer que la convergence presque sûre implique la convergence en n→∞
probabilité. On dit que l’estimateur est consistant.
4. Montrer que la réciproque des deux propositions précédentes est 3. Montrer que la convergence a lieu aussi dans Lp pour n’importe quel
fausse en considérant une suite (Xn )n∈N de v.a réelles indépendantes p ≥ 1.
1 1 Remarque : Xn est l’estimateur du maximum de vraisemblance
telles que pour tout entier n, P (Xn = 0) = 1− et P (Xn = n) = .
n n
5. Montrer que la convergence dans Lp n’implique pas la convergence Exercice 3 : Record de crue d’une rivière.
presque sûre en considérant le contre-exemple précédent mais avec
1 1 On s’intéresse au record de hauteur d’inondation d’une rivière que l’on mo-
P (Xn = 0) = 1 − et P (Xn = 1) = . délise de la façon suivante. On considère une suite de v.a réelles (Hn )n∈N
n n
6. Montrer que la convergence p.s n’implique pas la convergence i.i.d de loi exponentielle de paramètre 1 (Hn représentant la hauteur
dans Lp en considérant le contre-exemple précédent mais avec d’inondation en mètres lors de la n-ème crue). On s’intéresse au record de
1 1 crue, c’est à dire à
P (Xn = 0) = 1 − 2 et P Xn = n2 = 2 .
n n Rn = max(H1 , ..., Hn ).
7. Cependant, montrer que la convergence p.s accompagnée d’une hy- 1. Calculer la fonction de répartition de Rn .
pothèse de domination que l’on précisera implique la convergence 2. Montrer la convergence en probabilité suivante :
dans Lp . Quel est le nom de ce théorème ?
Rn P
Remarque : La convergence en probabilité ainsi que la convergence dans −→ 1.
log n n→∞
Lp implique la convergence presque-sûre d’une sous-suite.
La convergence en probabilité plus une hypothèse d’uniforme intégrabilité Remarque : on peut en fait monter qu’il y a convergence p.s et ce même
implique le convergence dans Lp . si on remplace l’hypothèse Hn ∼ E(1) par P(Hn ≥ x) ∼ e−x .
x→∞
1
2 Convergence dans L2 et LGN Exercice 6 : Loi (faible) des grands nombres
Montrer la loi faible des grands nombres : Si (Xn )n∈N est une suite de v.a
i.i.d dans L2 , alors :
Exercice 4 : CNS de la convergence dans L2 vers une constante n
1X P
Soit (Xn )n∈N une suite de variables aléatoires de carré intégrable, et a ∈ R Xi −→ E[Xi ].
n i=1 n→∞
L2
une constante. Montrer que Xn −→ a si et seulement si E[Xn ] → a et
n→∞ Indication : on pourra utiliser le résultat de l’exercice 4.
Var(Xn ) → 0.
Indication : utiliser une décomposition de E[(Xn − a)2 ] faisant apparaître
E[Xn ] et Var(Xn ).
Exercice 5 : Convergence dans L2 de la moyenne de Bernoulli
Soit (Xn )n∈N une suite de v.a i.i.d de loi de Bernoulli de paramètre p ∈
[0, 1].
1. En utilisant l’exercice 4, montrer que
n
1X L2
Xi −→ p.
n i=1 n→∞
2. On suppose maintenant que les variables Xi ne sont plus indépen-
dantes mais seulement deux à deux indépendantes. De plus, on sup-
pose que leurs paramètres pi peuvent différer. En
! utilisant l’exercice
n
1 X
4, donner une CNS pour que la suite Xi converge dans
n i=1
n∈N
L2 vers une variable aléatoire constante que l’on précisera.
