Séance 4. Fonction de répartition et fonction
Transcription
Séance 4. Fonction de répartition et fonction
Probabilités 4. Fonction de répartition et fonction caractéristique Denis Villemonais IECL – École des Mines de Nancy 18 avril 2016 1 / 22 Organisation de l’examen partiel → Les conditions pratiques (arriver 5 min en avance si possible) De 13h30 à 15h30 pour les groupes 2.x De 15h45 à 17h45 pour les groupes 1.x Salles A006 et A007 (voir e-mail ou page web) → Les consignes Calculatrices/téléphones portables interdits Tous les supports du cours autorisés Pas de documents extérieurs → Quelques remarques Les chapitres 1 à 5 sont au programme Note finale : 50% partiel, 50% examen Réponse non garantie après le vendredi à 18h. Non-réponse garantie après le samedi à 18h. 2 / 22 Continuité/Dérivabilité sous le signe E Soient E métrique (par ex. E ouvert de Rd ) et X une v.a. à valeurs dans un espace mesurable (F ,F). Continuité Soit f : E × F → R telle que f (x ,X ) est une variable aléatoire pour tout x ∈ E , x 7→ f (x ,X ) est continue presque sûrement, ∃Y une variable aléatoire intégrable telle que |f (x ,X )| ≤ |Y |, p.s, ∀x ∈ E . Alors la fonction x ∈ E 7→ E(f (x ,X )) est continue. 3 / 22 Soient E ouvert de R et X une v.a. à valeurs dans un espace mesurable (F ,F). Dérivabilité Soit f : E × F → R telle que f (x ,X ) est une variable aléatoire intégrable pour tout x ∈ E , x 7→ f (x ,X ) est dérivable presque sûrement, ∃Y une variable aléatoire intégrable telle que ∂f (x ,X ) ≤ |Y |, p.s, ∀x ∈ E . ∂x Alors F : x ∈ E 7→ E(f (x ,X )) est dérivable en x et ∂f 0 F (x ) = E (x ,X ) . ∂x → Preuve : appliquer le théorème avec intégrales à R R F (x ) = Ω f (x ,X (ω)) P(d ω) ou F (x ) = F f (x ,u) PX (du). 4 / 22 Chapitre 4. Fonction de répartition et fonction caractéristique 5 / 22 Fonction de répartition : définition et généralités Définition Si X : Ω → R est une variable aléatoire réelle alors, sa fonction de répartition est la fonction FX définie par Z ∀t ∈ R, FX (t) = P(X ≤ t) = PX (] − ∞,t]) = 1 PX (dx ). ]−∞,t] Théorème de caractérisation Deux variables aléatoires X et Y ont la même loi si et seulement si elles ont la même fonction de répartition, i.e. si et seulement si FX (t) = FY (t), ∀t ∈ R. Objectif : trouver la loi de X à partir de sa fonction de répartition. 6 / 22 Exemple. Soit X une variable aléatoire de loi uniforme sur [0,1]. Déterminer la loi de Y := − ln(1 − X ). Solution. Nous avons PX (dx ) = 1[0,1] λ1 (dx ), donc, ∀t ∈ R, FY (t) = P(Y ≤ t) = P(X ≤ 1 − e −t ) Z 1[0,1] λ1 (dx ) = (1 − e −t )1t>0 . = ]−∞,1−e −t ] Or la fonction caractéristique d’une variable aléatoire Z de loi exponentielle de paramètre 1 est Z FZ (t) = e −x 1x >0 λ1 (dx ) = (1 − e −t )1t>0 . ]−∞,t] On en déduit que Y est de loi exponentielle de paramètre 1. 7 / 22 La fonction de répartition FX (t) = PX (] − ∞,t]) est croissante, car les ensembles ] − ∞,t] sont croissants en t, continue à droite, car, par continuité décroissante de PX , FX (t+ ) = lim PX (] − ∞,t + h]) = PX (∩h>0 ] − ∞,t + h]) h→0+ = PX (] − ∞,t]) = FX (t) telle que, par continuité décroissante de PX , lim FX (t) = lim PX (] − ∞,t]) = PX (∩t∈R ] − ∞,t]) t→−∞ t→−∞ = PX (∅) = 0 telle que, par continuité croissante de PX , lim FX (t) = lim PX (] − ∞,t]) = PX (∪t∈R ] − ∞,t]) t→+∞ t→+∞ = PX (] − ∞, + ∞[) = 1 8 / 22 FX admet une limite à gauche et, par continuité de PX , FX (t− ) = lim PX (] − ∞,t − h]) = PX (∪h>0 ] − ∞,t − h]) h→0+ = PX (] − ∞,t[) = P(X ∈] − ∞,t[). On a ainsi, pour tout −∞ ≤ a ≤ b ≤ +∞, P(X ∈ ]a,b[) = P(X ∈] − ∞,b[) − P(X ∈] − ∞,a]) = FX (b− ) − FX (a), P(X ∈ ]a,b]) = FX (b) − FX (a), P(X ∈ [a,b[) = FX (b− ) − FX (a− ), P(X ∈ [a,b]) = FX (b) − FX (a− ). En particulier, P (X = x ) = FX (x ) − FX (x− ), donc P(X = x ) > 0 ⇐⇒ FX est discontinue au point x . 9 / 22 Calculs de fonction de répartition Variables aléatoires discrètes Soit X une v.a. discrète à valeurs dans K = {k1 < k2 < . . .} ⊂ R presque sûrement. Alors FX est constante par morceaux et X FX (t) = P(X = k ), ∀t ∈ R, k ∈K , k ≤t donc FX (t) − FX (t− ) = P(X = t), pour tout t ∈ R. Exemple. X de loi PX = 14 δ0 + 43 δ1 , 1 0.8 0 FX (t) = 1/4 1 si t < 0, si 0 ≤ t < 1, si 1 ≤ t. 0.6 0.4 0.2 0 −0.5 0 0.5 1 1.5 10 / 22 Variables aléatoires absolument continues Soit X une v.a. à valeurs dans R, de loi PX = fX d λ1 . Alors FX est continue, dérivable λ1 -presque partout et FX0 = fX λ1 -presque partout, soit Z FX (t) = fX (x ) λ1 (dx ), ∀t ∈ R. ]−∞,t[ Exemple. X de loi N (−1,1) exp(−(x + 1)2 /2) √ PX (x ) = λ1 (dx ), 2π donc 1 0.8 0.6 0.4 0.2 Z FX (t) = ]−∞,t] exp(−(x + 1)2 /2) √ λ1 (dx ) 2π 0 −0.2 −3 −2.5 −2 −1.5 −1 −0.5 0 0.5 1 1.5 2 11 / 22 Ex 2 (loi mixte). Calculer FX , pour X une v.a. réelle de loi 1 1x >0 −x 1 e λ1 (dx ). PX (dx ) = δ−1 (dx ) + δ2 (dx ) + 2 4 4 Solution. Pour tout t ∈ R, FX (t) = 1 1 FX (t) = 1−1≤t + 12≤t + 2 4 R ]−∞,t] 1 PX (dx ), Z ]−∞,t] donc 1x >0 −x e λ1 (dx ). 4 Par conséquent, FX (t) = 0 1 2 1 1 −t 2 + 4 (1 − e ) 3 + 1 (1 − e −t ) 4 4 si si si si t < −1, − 1 ≤ t < 0, 0≤t <2 2 ≤ t. 12 / 22 Calcul d’une loi à partir d’une fonction de répartition Soit X une variable aléatoire de fonction de répartition FX . Propriété Supposons que FX est de classe C 1 sur R \ K , où K est au plus dénombrable. Alors X est de loi mixte et sa loi s’écrit : X PX (dx ) = FX0 (x ) 1x ∈K pk δk (dx ) / λ1 (dx ) + k ∈K avec pk = P(X = k ) = FX (k ) − FX (k− ). → Remarques FX0 définie partout sauf aux points k ∈ K , Si FX est continue, alors X de loi absolument continue, de densité fX = F 0 Si FX constante par morceaux (F 0 = 0 λ1 -p.p.), alors X de loi discrète à valeurs dans K . 13 / 22 Souvent, on se donnera une fonction F : R → R et il faudra dans un premier temps déterminer l’existence d’une variable aléatoire X telle que FX = F , avant de déterminer la loi de X . Existence d’une v.a. de fonction de répartition donnée Une fonction F : R → R est la fonction de répartition d’une variable aléatoire si et seulement si elle est croissante, continue à droite et telle que lim F (t) = 0 t→−∞ et lim F (t) = 1. t→+∞ 14 / 22 Exemple. Montrer qu’il existe une 0 F (t) = 1/3 1 v.a. X de fonction de répartition si t < 3 si 3 ≤ t < 6 si 6 ≤ t. Puis déterminer la loi de X . Solution. F est croissante et continue à droite, limt→−∞ F (t) = 0 et limt→+∞ F (t) = 1, donc il existe X telle que FX = F . De plus, FX est constante par morceaux, donc X est discrète et 1/3 si t = 3, FX (t) − FX (t− ) = 2/3 si t = 6, 0 sinon. 1 2 donc la loi de X est PX = δ3 + δ6 3 3 15 / 22 Exemple. Montrer qu’il existe une v.a. X de fonction de répartition F (t) = ( 0 2 π arctan(t) si t < 0, si t ≥ 0. Solution. F est croissante et continue à droite, limt→−∞ F (t) = 0 et limt→+∞ F (t) = 1, donc il existe X telle que FX = F . De plus, FX est C 1 par morceaux et continue, donc X est absolument continue de densité fX : R → R telle que ( 0 si x ≤ 0, 0 fX (x ) = F (x ) 1x 6=0 = 2 si x > 0. π(1+x 2 ) En définitive, PX (dx ) = 2 1x >0 λ1 (dx ) π(1 + x 2 ) 16 / 22 Exemple. Montrer qu’il existe une v.a. X de fonction de répartition F (t) = ( 0 1 π arctan(t) + π 2 si t < 0, si t ≥ 0. Solution. F est croissante et continue à droite, limt→−∞ F (t) = 0 et limt→+∞ F (t) = 1, donc il existe X telle que FX = F . De plus, F est C 1 en tout x ∈ R∗ et discontinue en x = 0. Par suite, il s’agit de la fonction de répartition d’une v.a. X de loi mixte donnée par PX (dx ) = (F (0) − F (0− ))δ0 (dx ) + F 0 (x )1x 6=0 λ1 (dx ), soit 1 1 PX (dx ) = δ0 (dx ) + 1x >0 λ1 (dx ). 2 π(1 + x 2 ) 17 / 22 Fonction caractéristique : Définition Définition Soit X une variable aléatoire à valeurs dans Rd . La fonction ϕX : Rd −→ C R , u 7−→ E e ihu,X i = Rd e ihu,x i PX (dx ) où hu,X i = u1 X1 + · · · + ud Xd , est bien définie et est appelée la fonction caractéristique de X . Caractérisation de la loi Deux v.a. X et Y à valeurs dans Rd ont même loi si et seulement si elles ont même fonction caractéristique, i.e. ϕX (u) = ϕY (u), ∀u ∈ Rd . 18 / 22 Exemple. Soit X une variable aléatoire à valeurs réelles de loi 1 1 1x >0 −x PX (dx ) = δ−1 (dx ) + δ2 (dx ) + e λ1 (dx ). 2 4 4 Déterminer la fonction caractéristique de X . Solution. D’après le théorème du transport, ∀u ∈ R, Z ϕX (u) = e iux PX (dx ) R Z 1 −iu 1 2iu 1x >0 −x = e + e + e iux e λ1 (dx ), 2 4 4 R soit, ∀u ∈ R, 1 1 1 ϕX (u) = e −iu + e 2iu + 2 4 4(1 − iu) 19 / 22 Théorème (Existence d’une densité) Soit X une v.a. à valeurs dans Rd . Si ϕX est intégrable par rapport à λd (du), alors X suit une loi absolument continue de densité fX donnée par Z 1 fX (x ) = ϕX (u) e −ihu,x i λd (du). (2π)d Rd Remarques. Le membre de droite est une fonction continue en x Si on voit la fonction caractéristique comme une transformée de Fourier, alors le théorème ci-dessus donne la transformée de Fourier inverse. 20 / 22 Calcul de Moments Théorème Soit X une variable aléatoire à valeurs réelles. Soit k ∈ N tel que X k est intégrable, c’est-à-dire tel que E(|X |k ) < +∞. (k ) Alors ϕX est k fois dérivable et ϕX (0) = i k E(X k ). De plus, au voisinage de 0, ϕX (t) = k X (it)n E(X n ) + o(|t|k ). n! n=0 21 / 22 Une réciproque partielle Soit X une variable aléatoire à valeurs réelles. Si ϕX est 2n fois dérivable, avec n ∈ N∗ , alors E |X |k < +∞, ∀k ∈ {0,1 . . . ,2n} et E X k = (−i )k ϕ(k ) (0). 22 / 22