Académique Documents
Professionnel Documents
Culture Documents
Florian D USSAP
Agrégation 2018
Yi ,1 Y1
. .
Yi = .. Y = ..
Yi ,di Yr
on en déduit que Y = Q X suit la loi N (0,Q Id tQ) = N (0, Id ). Donc les (Yi , j ) sont des variables aléatoires
gaussiennes centrées réduites indépendantes. Or comme :
di
X
P E i (X ) = Yi , j e i , j
j =1
on obtient que P E 1 (X ), . . . , P E r (X ) sont des vecteurs gaussiens indépendants. Enfin, en prenant le carré
de la norme :
di
kP E i (X )k2 = Yi2, j ∼ χ2 (d i )
X
j =1
Théorème 2 (Fisher). Soit ν une loi sur {1, . . . , q} telle que ν( j ) > 0 pour tout j et soit (X i )i >1 une suite de
variables aléatoires i.i.d. de loi ν. Notons :
¢2
q Nn, j − n ν( j )
¡
X n X
Nn, j = 1{X i = j } Tn =
i =1 j =1 n ν( j )
Alors :
L
Tn −−−−−→ χ2 (q − 1)
n→+∞
p1
q 2
Zn, q Z j2 ν(1)
j L ..
= kD Z k2 ,
X X
Tn = −−−−−→ D = .
ν( j ) ν( j )
n→+∞
j =1 j =1
p1
ν(q)
1
Il reste à montrer que kD Z k2 suit la loi χ2 (q −1). Remarquons que D Z est un vecteur gaussien centré de
matrice de covariance D Γ tD. Calculons les coefficients de Γ :
Γi , j = Cov(1 X =i , 1 X = j )
= E(1 X =i 1 X = j ) − E(1 X =i ) E(1 X = j )
= δi , j ν(i ) − ν(i ) ν( j )
p ³ p ´p
= ν(i ) δi , j − ν(i ) ν( j ) ν( j )
p
p
Notons c i , j = δi , j − ν(i ) ν( j ) et C la matrice des (c i , j ), de sorte que D Γ tD = C . On remarque que :
p
p
ν(1)
.
³p ´
ν(i ) ν( j ) = v tv,
p
Iq −C = v = .. unitaire
i,j
ν(q)
p
Ainsi, Iq − C est la matrice de projection orthogonal sur Vect(v). Donc C est la matrice de projection
orthogonale sur Vect(v)⊥ . Le vecteur D Z a donc la même loi que la projection orthogonale d’un vecteur
gaussien centré réduit sur Vect(v)⊥ . Par le théorème de Cochran, kD Z k2 suit la loi χ2 (q − 1).
Références
— G ARET et K URTZMAN, De l’intégration aux probabilités.
— R IVOIRARD et S TOLTZ, Statistique mathématique en action.