Académique Documents
Professionnel Documents
Culture Documents
croissante.
Montrer que
E g(|X|)
∀a ≥ 0, P |X| ≥ a ≤ .
g(a)
Soit X une variable aléatoire suivant une loi binomiale de taille n et de paramètre
p.
Montrer que pour tout λ, ε > 0
P(X − np > nε) ≤ E exp(λ(X − np − nε)) .
1
P(µ − ασ < X < µ + ασ) ≥ 1 − .
α2
2
Y = α(X − µ) + σ .
Exercice 1 : [énoncé] σ2 1
Puisque la fonction g est strictement croissante, les événement |X| ≥ a et P |X − µ| ≥ ασ < = 2.
g(|X|) ≥ g(a) sont identiques. Or l'inégalité de Markov donne
(ασ 2 ) α
On conclut par considération d'évènement complémentaire.
E g(|X)| ≥ g(a)P g(|X|) ≥ g(a)
et donc
Exercice 5 : [énoncé]
E g(|X|)
P |X| ≥ a ≤ .
g(a) On a
Y
Exercice 2 : [énoncé] L'inégalité de Markov appliquée à la variable positive donne
Rappelons
E(Y )
E(X) = np et V(X) = np(1 − p). P(Y ≥ a) ≤ .
a
Considérons la variable aléatoire
Pour a = σ 2 (α2 + 1)2 ,
Y = X − np = X − E(X). 1
P(Y ≥ a) ≤ .
1 + α2
Par l'inégalité de Markov Or
E(|Y |)
(X ≥ µ + ασ) = α(X − µ) + σ ≥ (α2 + 1)σ
P |Y | ≥ na ≤
nε
et donc
donc
(X ≥ µ + ασ) ⊂ (Y ≥ a)
X E(|Y |)
P − p ≥ ε ≤ .
n nε puis
p 1
Or E(|Y |) ≤ E(Y 2 ) avecE(Y 2 ) = V(X) = np(1 − p) donc P(X ≥ µ + ασ) ≤ .
1 + α2
p
X p(1 − p)
P − p ≥ ε ≤
√ .
n ε n
Exercice 3 : [énoncé]
Par stricte croissance de l'exponentiel, l'événement X − np > nε équivaut à
l'événement
exp λ(X − np − nε) ≥ 1.
L'inégalité de Markov appliquée à la variable Y = exp λ(X − np − nε) permet
alors de conclure
E exp(λ(X − np − nε))
P exp (λ(X − np − nε) ≥ 1 ≤ .
1