Corrig
Transcription
Corrig
Université Pierre et Marie Curie 4M011 "Probabilités approfondies" Examen partiel du lundi 26 octobre 2015 : Corrigé Exercice 1. On remarque que (X, Y, Z) est un vecteur gaussien ; c’est donc également le cas pour (X, X + 2Z, Y ). La variable U = E(X|X + 2Z, Y ) est une combinaison linéaire de Y et de X + 2Z. Cherchons a et b tels que U = aY + b(X + 2Z). Écrivons les conditions d’orthogonalité de X −U avec les variables Y et X +2Z. La condition que E((X −U )Y ) = 0 donne que a = 0. La condition E((X − U )(X + 2Z)) donne b = 1/5. 2 Exercice 2. Q P1 (1) P(∀ k, Yk > 0) = k e−1/k = 0 car k = +∞. Donc presque-sûrement, un des Yk est nul, et la suite (Xn ) est nulle à partir d’un certain rang. (2) La suite ne converge pas dans L1 , car sinon, la suite E(Xn ) convergerait vers E(0) = 0, or E(Xn ) = 1 pour tout n. [Alternativement, on peut aussi utiliser le théorème de Kakutani pour conclure.] (3) Pour tout n E|Xn | = E(Xn ) = 1. Donc supn E|Xn | = 1 < +∞. (4) On a forcément que le supn |Xn | n’est pas intégrable, car sinon, on pourrait appliquer le théorème de convergence dominée pour avoir la convergence dans L1 , ce qui est impossible. √ √ (5) La suite ( Xn ) est uniformément intégrable car supn E| Xn |2 = sup E|Xn | est fini. 2 Exercice 3. (1) On a facilement {TAB ≤ n} = Sn k=2 {(Xk−1 , Xk ) = (A, B)} ∈ Fn . (2) En séparant les indices pairs et impairs, on obtient en appliquant l’inégalité de Cauchy-Schwarz P(TAB > n) = P ((Xm−1 , Xm ) 6= (A, B) , pour tout 1 ≤ m ≤ n) ≤ P ((Xm−1 , Xm ) 6= (A, B) , pour 2 ≤ m ≤ n , m pair)1/2 × P ((Xm−1 , Xm ) 6= (A, B) , pour 1 ≤ m ≤ n , m impair)1/2 Comme les couples ((X2k , X2k−1 ))k≥1 sont indépendants, on obtient que bn/2c 1 bn/2c P (X2k−1 , X2k ) 6= (A, B) , ∀ 1 ≤ k ≤ bn/2c = P (X1 , X2 ) 6= (A, B) = 1− 2 , 26 et on procède de même pour P (X2k , X2k+1 ) 6= (A, B) , ∀ 1 ≤ k ≤ bn/2c − 1 . Au final, on obtient, pour tout n ≥ 2 1 1 2 (2bn/2c−1) P(TAB > n) ≤ 1 − 2 ≤ θn . 26 (3) On a P(TAB > n) → 0 quand n → ∞, donc P(TAB = +∞) = 0. De plus, E[TAB ] = +∞ X P(TAB > n) ≤ 2 + n=0 X n≥2 1 θn < +∞. 2 (4) Pour tout n ∈ N, Wn est Fn −mesurable. De plus |Wn | ≤ |Yn |+n ≤ (262 +26)n+n, qui est intégrable. Enfin, calculons n X E(Yn+1 | Fn ) = 262 1{Xk =B,Xk−1 =A} + 262 1Xn =A E 1Xn+1 =B | Fn + 26E(1Xn+1 =A | Fn ) k=1 = n X 262 1{Xk =B,Xk−1 =A} + 261Xn =A + 1 = Yn + 1 p.s. k=1 Donc on a bien E(Wn+1 | Fn ) = E(Yn+1 | Fn ) − (n + 1) = Yn − n = Wn p.s., et (Wn )n≥1 est bien une martingale. (5) On borne uniformément, comme Yn est croissant |Wn∧TAB | ≤ Yn∧TAB + n ∧ TAB ≤ YTAB + TAB . Or TAB et YTAB = 262 sont intégrables, donc Wn∧TAB est uniformément intégrable, et elle converge p.s. et dans L1 . Comme TAB < +∞ p.s. on a limn→∞ Wn∧TAB = WTAB . (6) Comme Wn∧TAB est une martingale, pour tout n ≥ 1 E[Wn∧TAB ] = E[W2 ] = 0. De plus, Wn∧TAB converge dans L1 vers WTAB = YTAB − TAB = 262 − TAB , on a donc 0 = E[WTAB ] = 262 − E[TAB ]. (7) On montre de manière identique à ce qui précède que TBB est un temps d’arrêt fini p.s. et intégrable. En introduisant n X e Yn := 262 1{Xk =B,Xk−1 =B} + 261{Xn =B} , k=2 fn := Yen − n est une martingale. La martingale arrêtée on montre aussi que W f fT = YT − TBB = 262 + 26 − TBB . Wn∧TBB converge aussi p.s. et dans L1 vers W BB BB On en conclut que 0 = E[W2 ] = E[WTBB ] = 262 + 26 − E[TBB ] . (Bonus) On répète le procédé, avec Y n := n X 2611 1{(Xk−11 ,...,Xk )=(A,B,R,A,C,A,D,A,B,R,A)} +2610 1{(Xn−10 ,...,Xn )=(A,B,R,A,C,A,D,A,B,R)} k=11 + 269 1{(Xn−10 ,...,Xn )=(A,B,R,A,C,A,D,A,B)} + · · · De même, Wn := Y n − n est une martingale, et Wn∧TABRACADABRA converge p.s. et dans L1 vers YTABRACADABRA − TABRACADABRA = 2611 + 264 + 26 − TABRACADABRA . On finit par obtenir que E[TABRACADABRA ] = 2611 + 264 + 26. 2 Exercice 4. (1) Pour tout n ∈ N, Mn est Fn -mesurable. De plus, pour tout n, nous avons |Mn | ≤ nC p.s., donc Mn est intégrable. Nous avons également : E(Mn+1 |Fn ) = E(Mn + Yn+1 |Fn ) = Mn donc (Mn ) est une martingale. 3 (2) Nous avons : 2 2 E(Mn+1 |Fn ) = E(Mn2 + 2Mn Yn+1 + Yn+1 |Fn ) 2 = Mn2 + 2Mn E(Yn+1 |Fn ) + E(Yn+1 |Fn ) = Mn2 + 0 + (An+1 − An ) 2 ) = E(M 2 ) + E(A En prenant l’espérance, nous avons ainsi E(Mn+1 n+1 ) − E(An ). n 2 La résolution de la récurrence donne ainsi σn = E(An ). 2 2 (3) Développons les exponentielles eiuYn+1 et e−u E(Yn+1 |Fn )/2 aux ordres 3 et 2 respectivement. Nous obtenons ainsi : u2 2 + f (uYn+1 ) |f (x)| ≤ x3 /6 eiuYn+1 = 1 + iuYn+1 − Yn+1 2 u2 2 2 2 2 e−u E(Yn+1 |Fn )/2 = 1 − E(Yn+1 |Fn ) + g(u2 E(Yn+1 |Fn )/2) |g(x)| ≤ x2 /2. 2 Prenons l’espérance conditionnelle des deux équations et soustrayons la deuxième à la première : il ne reste alors que les termes en f et g : 2 E(Y E(eiuYn+1 − e−u n+1 |Fn )/2 2 |Fn ) = E(f (uYn+1 )|Fn ) + g(u2 E(Yn+1 |Fn )/2). 2 |F ) ≤ C p.s. puis À partir de l’hypothèse Yn+1 ≤ C p.s., nous obtenons E(Yn+1 n l’encadrement voulu en considérant les encadrements sur f , g et la croissance de l’espérance conditionnelle. (4) Nous avons par somme téléscopique : 2A E(eiuMn +u n /2 − 1) = n−1 X 2A E(eiuMk+1 +u k+1 /2 2A − eiuMk +u k /2 ). k=0 Il s’agit alors de relier les espérances de droite à la question précédente. Nous factorisons tout d’abord 2 2 2 2 eiuMn+1 +u An+1 /2 − eiuMn +u An /2 = eiuMn +u An+1 /2 eiuYn+1 − e−u E(Yn+1 |Fn )/2 . Prenons l’espérance conditionnelle sachant Fn puis enfin nous utilisons d’une part la question précédente et d’autre part le fait que An+1 ≤ (n + 1)C 2 p.s. et nous obtenons : 2 2 2 2 E eiuMn+1 +u An+1 /2 − eiuMn +u An /2 ≤ n(u3 C 3 /6 + u4 C 4 /8)eu (n+1)C /2 . (5) Prenons un = u/σn dans l’inégalité précédente. L’hypothèse σn2 /n → +∞ implique également n/σn3 → 0 et n/σn4 → 0 donc le membre de droite de l’inégalité précédente tend vers 0. D’autre part, An /σn2 → 1 (qui est une constante) en probabilité, alors, en prenant 2 2 un = 1/σn , le lemme de Slutsky implique la convergence en loi de eiuMn /σn +An /σn u /2 2 et donc nous avons convergence de la fonction caractéristique de Mn /σn vers e−u /2 . Nous reconnaissons la fonction caractéristique de la loi gaussienne et concluons que Mn /σn converge en loi vers une loi gaussienne (centrée réduite). (6) Pour des variables (Xk )k i.i.d. et bornées, en posant Yk = Xk − E(Xk ), nous nous retrouvons dans les hypothèses de l’exercice avec σn2 = nVar(X1 ) et nous obtenons ainsi le théorème central limite. 2