Scribd
Importer
31 vues4 pages

Explication Détaillée

Le document traite des séquences empiriques, des fonctions quantiles et des processus associés, en commençant par des définitions et propriétés pour le cas uniforme, puis en élargissant à un cas général. Il présente des processus empiriques, des relations fondamentales entre fonctions et processus, ainsi qu'une définition fonctionnelle des processus empiriques. Les théorèmes et propriétés discutés incluent des résultats sur la convergence et des relations entre les fonctions de répartition et quantiles empiriques.

Transféré par

Seibou kondjale
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
31 vues4 pages

Explication Détaillée

Le document traite des séquences empiriques, des fonctions quantiles et des processus associés, en commençant par des définitions et propriétés pour le cas uniforme, puis en élargissant à un cas général. Il présente des processus empiriques, des relations fondamentales entre fonctions et processus, ainsi qu'une définition fonctionnelle des processus empiriques. Les théorèmes et propriétés discutés incluent des résultats sur la convergence et des relations entre les fonctions de répartition et quantiles empiriques.

Transféré par

Seibou kondjale
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Séquences empiriques, fonctions quantiles et processus

associés


20 juillet 2025
Table des matières
1 Cas uniforme : dénitions et processus associés 2
1.1 Fonction de répartition empirique uniforme . . . . . . . . . . . . . . . . . . 2
1.2 Statistiques d'ordre et fonction quantile empirique . . . . . . . . . . . . . . 2
1.3 Processus empiriques associés . . . . . . . . . . . . . . . . . . . . . . . . . 2

2 Cas général : dénitions et processus associés 2


2.1 Fonction de répartition empirique . . . . . . . . . . . . . . . . . . . . . . . 2
2.2 Fonction quantile empirique . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.3 Processus empiriques associés . . . . . . . . . . . . . . . . . . . . . . . . . 3

3 Relations fondamentales 3
3.1 Relations entre fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3.2 Relations entre processus . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

4 Processus empiriques fonctionnels 4


4.1 Dénition fonctionnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
4.2 Cas particuliers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

1
1 Cas uniforme : dénitions et processus associés
1.1 Fonction de répartition empirique uniforme
Dénition 1. Soient U1 , U2 , . . . , Un des variables i.i.d. suivant la loi uniforme sur (0, 1).
On dénit la fonction de répartition empirique uniforme par :
n
1X
Un(1) (s) = 1(Uj ≤ s), s ∈ (0, 1). (1)
n j=1

Propriété 1. Pour tout s ∈ (0, 1), on a :


s(1 − s)
E[Un(1) (s)] = s et Var(Un(1) (s)) = .
n

1.2 Statistiques d'ordre et fonction quantile empirique


Dénition 2. Soient U1:n ≤ U2:n ≤ · · · ≤ Un:n les statistiques d'ordre de l'échantillon.
La fonction quantile uniforme empirique est donnée par :
n  
j−1 j
(2)
X
Vn(1) (s) = U1:n 1(s = 0) + Uj:n 1 <s≤ , s ∈ (0, 1).
j=1
n n

1.3 Processus empiriques associés


Dénition 3. Le processus empirique uniforme est déni par :
√  
αn(1) (s) = n Un(1) (s) − s , s ∈ (0, 1). (3)
Le processus quantile uniforme est :
√  
γn(1) (s) = n s − Vn(1) (s) , s ∈ (0, 1). (4)
Théorème 1 (Donsker, Bahadur-Kiefer). On a, en loi dans D([0, 1]) :
αn(1) ⇒ B,
où B est un pont brownien. De plus, sous régularité :
γn(1) (s) = αn(1) (s) + op (1) (car pour l'uniforme f ≡ 1).

2 Cas général : dénitions et processus associés


2.1 Fonction de répartition empirique
Dénition 4. Soit une loi F continue sur R et (X1 , . . . , Xn ) un échantillon i.i.d. de loi
F . La fonction de répartition empirique est :
n
1
(5)
X
Fn(1) (x) = 1(Xj ≤ x), x ∈ R.
n j=1

Propriété 2 (Glivenko-Cantelli). On a presque sûrement :


sup Fn(1) (x) − F (x) −→ 0.
x

2
2.2 Fonction quantile empirique
Dénition 5. Soient X1:n ≤ X2:n ≤ · · · ≤ Xn:n les statistiques d'ordre. La fonction
quantile empirique est :
  X n  
1 j−1 j
Fn−1 (1) (s) = X1:n 1 0 < s ≤ + Xj:n 1 <s≤ , s ∈ (0, 1). (6)
n j=1
n n

2.3 Processus empiriques associés


Dénition 6. Le processus empirique général :
√  (1) 
G(1)
n (x) = n Fn (x) − F (x) , x ∈ R. (7)

Le processus quantile général :


√  −1 (1) 
Q(1)
n (s) = n Fn (s) − F −1 (s) , s ∈ (0, 1). (8)

Remarque 1. Sous régularité (F dérivable, densité f ) :


(1)
γn (s)
Q(1)
n (s) ≈− .
f (F −1 (s))

3 Relations fondamentales
3.1 Relations entre fonctions
Propriété 3.
Fn(1) (x) = Un(1) (F (x)), (9)
Fn−1 (1) (s) = F −1 Vn(1) (s) . (10)


Justication. On a 1Xj ≤x = 1Uj ≤F (x) car Xj = F −1 (Uj ). De même, Xj:n = F −1 (Uj:n ) pour
tout j .

3.2 Relations entre processus


Propriété 4.
G(1) (1)
n (x) = αn (F (x)), (11)
√
Q(1) n F −1 (Vn(1) (s)) − F −1 (s) . (12)

n (s) =

Justication de la première relation. En remplaçant Fn(1) (x) par Un(1) (F (x)) :


√ √
n(Fn(1) (x) − F (x)) = n(Un(1) (F (x)) − F (x)) = αn(1) (F (x)).

3
4 Processus empiriques fonctionnels
4.1 Dénition fonctionnelle
On dénit le processus empirique fonctionnel :
√  
G(1)
n (f ) = n Pn f − Pf , (13)

avec Pn f = f (Zj ) et Pf = E[f (Z)].


1
Pn
n j=1

4.2 Cas particuliers


Pour des fonctions indicatrices :

fx = 1(−∞,x] , G(1) (1)


n (x) = Gn (fx ), (14)
fs = 1(0,s] , αn(1) (s) = G(1)
n (fs ). (15)

Vous aimerez peut-être aussi