Examen de probabilités-statistique L3

2015-2016
Université Lyon 1
Durée : 3h.

Il y a 2 exercices et un problème indépendants.

Exercice 1 (Calcul de lois).

Soient X et Y deux variables aléatoires réelles indépendantes et identiquement distribuées de
densité f (x) = x12 1{x>1} par rapport à la mesure de Lebesgue. On pose
 
ln(Y )
(Z, W ) = ln(X), .
ln(X)

1. Montrer que f est bien une densité de probabilité par rapport à la mesure de Lebesgue.
2. Calculer la loi de Z = ln(X).
Solution. Par le changement de variable z = ln(x) on montre que la densité de Z est

fZ (z) = e−z 1z≥0 .

3. Les variables ln(X) et ln(Y ) sont elles indépendantes ?

ln(Y )
4. Calculer la loi de W = ln(X) .
Solution. Par le changement de variable w = ln(y)/ ln(x) (avec x fixé) on montre que la
densité de W est
1
fW (w) = 1w≥0 .
(1 + w)2

5. Quelle est la loi de (Z, W ) ? Z et W sont elles indépendantes ?

 
ln(y)
Solution. (X, Y ) a pour densité f (x)f (y). On pose pour x > 1, y > 1 g(x, y) = ln(x), ln(x)
qui est un C 1 -difféomorphisme de ]1, ∞[×]1, ∞[ vers ]0, ∞[×]0, ∞[ avec g −1 (z, w) = (ez , ezw )
et de déterminant du jacobien zez(w+1) . En appliquant la formule du changement de va-
riables on a
f(Z,W ) (z, w) = ze−z(w+1) 1{z>0} 1{w>0} .
Les variables Z et W ne sont pa indépendantes.

Exercice 2. On considère la fonction réelle

u(x) = (1 + |x|)−1 .

1. Soit X une variable aléatoire réelle. On considère pour n ≥ 0, θn = E(u(nX)). Déterminer

limn→∞ θn .
Solution. Par le théorème de convergence dominée, on montre sans trop de difficulté que

lim θn = P (X = 0).
n→∞

1/4
 2. Soit U une variable aléatoire de loi uniforme sur [0, 1] et 0 < c < 1. On note X = max(U −
c, 0).
(a) Donner la loi de X .
Solution. Par un procédé classique, on montre

dPX (x) = cδ0 (x) + 1[1,1−c] (x)dx.

(b) Calculer E(X).

Solution. On a
E(X) = (1 − c)2 /2.

(c) Calculer θn , puis sa limite quand n tend vers l’infini. Est-ce cohérent avec la question
précédente ?
Solution. Par la formule de transfert on a directement
log(1 + n(1 − c))
θn = c + .
n
Ainsi on a bien directement que θn tend vers c lorsque n tend vers l’infini. Ouf, c’est
bien cohérent avec ce qui précède.

Problème 1 (Estimation de densité).

Soit (Ω, A, P) un espace de probabilité.
On s’intéresse ici au problème fondamental suivant : on observe des variables aléatoires (Xi )i≥1
i.i.d. réelles de loi de densité f par rapport à la mesure de Lebsgue. On suppose que f est
continuement différentiable et strictement positive et on note F la fonction de répartition des
(Xi )i≥1 . On a donc que pour tout i
Z b
P(Xi ∈ [a, b]) = F (b) − F (a) = f (x)dx.
a

On pose x ∈ R. On pose
n
1X
Fn (x) = 1{Xi ≤x} .
n
i=1
Ainsi pour tout ω ∈ Ω,
n
1X
x 7→ Fn (ω)(x) = 1{Xi (ω)≤x}
n
i=1
est une application de R dans R. Fn est donc une application aléatoire. Dans la pratique on note
Fn (x) à la place de Fn (ω)(x).
Et pour hn > 0 que l’on fixera plus tard on note

Fn (x + hn ) − Fn (x − hn )
fbn (x) = .
2hn

De même, pour tout ω ∈ Ω, x 7→ fbn (x) est une application de R dans R. fbn est donc aussi une
application aléatoire.

Le but de ce problème est d’étudier la convergence de fbn vers f .

1. Dans le cas n = 3 et X1 , X2 , X3 sont fixés faire un dessin approximatif de la fonction

x 7→ Fn (x).

2/4
2. Montrer que F 0 = f .
3. Montrer que pour tout x ∈ R fixé, la suite (Fn (x))n≥1 tend presque sûrement vers F (x).
Solution. Comme les (Xi ) sont i.i.d., (1{XI ≤x} ) sont i.i.d. et bornées de loi de Bernoulli de
paramètre F (x) et on peut donc appliquer la Loi forte des Grands Nombres, et donc
p.s.
Fn (x) → E(1{Xi ≤x} ) = F (x).

√
4. Montrer que pour tout x ∈ R fixé, la suite n(Fn (x) − F (x)) converge en loi vers une
variable que l’on précisera.
Solution. C’est une application directe du TCL sachant que V ar(1{XI ≤x} ) = F (x)(1−F (x))
on a en loi,
√
n(Fn (x) − F (x)) → N (0, F (x)(1 − F (x))),

5. Montrer l’égalité suivante

1Xi ≤x+hn − 1Xi ≤x−hn = 1Xi −hn ≤x≤Xi +hn .

6. En déduire que Z
(1Xi ≤x+hn − 1Xi ≤x−hn )dx = 2hn

7. En déduire enfin que pour tout ω ∈ Ω, la fonction aléatoire x → fbn (x) est une densité de
probabilité.
Solution. La fonction fˆn (x) est positive, il reste à vérifier que son intégrale vaut 1
Z n Z Xi +hn
1X 1
fˆn (x)dx = dx = 1.
n 2hn Xi −hn
i=1

8. On va maintenant donner des conditions sur hn pour que la convergence de fbn (x) vers f (x)
soit vérifiée. On fixe donc x ∈ R.
(a) Montrer l’égalité
 2   h i 2  
E fbn (x) − f (x) = E fbn (x) − f (x) + Var fbn (x) .

Solution.
 2   2 
E fn (x) − f (x)
b = E fn (x) − E[fn (x)] + E[fn (x)] − f (x)
b b b
 2   h i 2
= E fbn (x) − E[fbn (x)] + E fbn (x) − f (x)
 h i  h i
+2 E fbn (x) − f (x) E fbn (x) − E[fbn (x)]
   h i 2
= Var fbn (x) + E fbn (x) − f (x) .

(b) Montrer que

Z x+hn
E (1Xi ≤x+hn − 1Xi ≤x−hn ) = f (u)du.
x−hn
h i
(c) En déduire pour tout x, E fbn (x)

3/4
 h i
(d) En déduire enfin que si hn → 0 alors pour tout x, E fbn (x) → f (x).
Solution. Par définition de la dérivée :
Z x+hn
1
E[fbn (x)] = f (u)du → f (x).
2hn x−hn

(e) Rappel : X suit une loi binomiale de paramètre n, p avec n ∈ N∗ et p ∈ [0, 1], X ∼ B(n, p)
si pour tout k ∈ {0, · · · , n}

P (X = k) = Cnk pk (1 − p)n−k .
Pn
Autrement dit X = i=1 Yi , où les Yi sont des v.a.r.i.i.d. de loi de Bernoulli de paramètre
p. On a donc de façon évidente E(X) = np et V ar(X) = np(1 − p).

Montrer que pour tout x fixé et n ≥ 1, 2nhn fbn (x) suit une loi binomiale B(n, pn,x ) et
préciser pn,x .
Solution. Par définition (1{Xi ≤x+hn } − 1{Xi ≤x−hn } ) est une famille de variable i.i.d.
R x+h
prenant les valeurs 0 ou 1 et donc de Bernoulli de paramètre x−hnn f (u)du = pn,x . Une
somme i.i.d. de Bernoulli suit alors une loi binomiale B(n, pn,x ).
(f) Calculer  
Var fbn (x) .

(g) En déduire que

  1 pn,x
Var fbn (x) ≤ .
4nhn hn
Solution. On a Var(B(n, p) = np(1 − p) donc
  npn,x (1 − pn,x ) 1 pn,x
Var fbn (x) = ≤ .
4n2 h2n 4nhn hn

(h) En déduire que si hn → 0 mais nhn → ∞ alors

 2 
E fn (x) − f (x)
b → 0.

Conclure.
Solution. La décomposition biais-variance entraine qu’il faut montrer que le biais tend
vers 0 ce qui fait en question (c), puis que la variance tend vers 0. on s’en assure par la
question (e) car pn,x /hn tend vers 2f (x) et nhn → ∞.

4/4