Академический Документы
Профессиональный Документы
Культура Документы
3. On a
+∞
# λk −λ it
ϕX (t) = E[eitX ] = eitk e = e−λ eλe .
k!
k=0
Exercice 6.2. On effectue n essais (d’une expérience), les succès étant indépendants, de
probabilité p = λ/n (donc très petite). On note Xn le nombre total de succès.
1. Donner la loi et la fonction caractéristique φXn (t) de Xn .
2. Montrer que pour tout t ∈ R, on a φXn (t) → φ(t), où φ(t) est la fonction caractéristique
d’une loi que l’on précisera.
Solution.
1. Xn suit une loi Binomiale(n, λ/n), et d’après l’exercice précédent, on a
$ λ λ %n
φXn (t) = 1 − + eit
n n
! "
2. On a que log φXn (t) = n log 1 − nλ + nλ eit → −λ + λeit lorsque n → ∞, donc φXn (t) →
exp(λ(eit − 1)), qui est la fonction caractéristique d’une loi de Poisson de paramètre λ.
Solution.
& +∞ λ
1. On calcule ϕX (t) = 0 eitx λe−λx dx = λ−it .
2. De même
' +∞ ' 0
ϕY (t) = E[eitY ] = eitx λ2 e−λx dx + eitx λ2 λeλx dx
0 −∞
λ$ 1 1 % λ2
= + = 2 .
2 λ − it λ + it t + λ2
3. Avec la question précédente, et en utilisant la formule d’inversion de Fourier (on a
ϕY (t) = fˆ(t)), on obtient que
' '
1 1 λ2 λ ( )
f (y) = fˆ(t)e−ity dt = e−ity 2 2
dt = E e−iyZ .
2π R 2π R t +λ 2
( ) ( )
Comme Z est symétrique, on a (voir exercice suivant) E eiyZ = E e−iyZ = f (y).
On a donc, si Z ∼ Cauchy(λ) on a φZ (y) = e−λ|y| pour tout y ∈ R.
Exercice 6.4. Montrer que la loi de X est symétrique (X et −X ont la même loi) si et
seulement si la fonction caractéristique de X est réelle (ϕX (t) ∈ R pour tout t ∈ R).
Solution. On remarque que ϕX (t) = E[eitX ] = E[e−itX ] = ϕ−X (t). Donc ϕX (t) est réelle si et
seulement si ϕ−X (t) = ϕX (t) pour tout t ∈ R, c’est à dire si la loi de X est symétrique.
⋆ Exercice 6.7. On considère (Xn )n≥1 une suite de v.a. indépendantes de même loi. On suppose
que E[X1 ] = 0 et Var(X1 ) = σ 2 et on note ϕ(t) la fonction caractéristique de X. On considère
la variable aléatoire Yn := √1n (X1 + · · · + Xn ).
1. Donner la fonction caractéristique de Yn , Φn (t), en fonction de ϕ, t et n.
2. Montrer que, lorsque x → 0, on a ϕ(x) = 1 − 12 σ 2 t2 + o(t2 ).
3. En déduire que, pour tout t ∈ R, log Φn (t) → − 21 σ 2 t2 , et donc que Φn (t) → Φ(t) où
Φ(t) est la fonction caractéristique d’une loi que l’on précisera.
Solution.
1. On a * √t + * √t + √
i (X +···+Xn ) i X n
Φn (t) = E e n 1 = E e n 1 = ϕ(t/ n)n .
2. Un développement de Taylor donne ϕ(x) = ϕ(0) + ϕ′ (0)x + ϕ′′ (0)x2 /2 + o(x2 ) quand
x → 0. Maintenant, on a ϕ(0) = 1, ϕ′ (0) = E[X] = 0, ϕ′′ (0) = E[X 2 ] = σ 2 .
√ √ √
3. On a log Φn (t) = n log ϕ(t/ n). Pour tout t ∈ R, t/ n → 0, donc log ϕ(t/ n) =
2 2
− 12 σ 2 t2 /n + o(1/n), et log Φn (t) → − 12 σ 2 t2 . Ainsi, Φn (t) → e−σ t /2 , qui est la fonction
caractéristique de la loi gaussienne N (0, σ 2 ).
Exercice 6.8. On dit qu’une v.a. X suit une loi stable si pour tout entier n ≥ 1 et toutes v.a.
X1 , X2 , · · · , Xn indépendantes et de même loi que X, il existe des constantes an > 0 et bn ∈ R
telles que X1 + X2 + · · · + Xn ait même loi que an X + bn .
1. Montrer que les lois gaussiennes centrées N (0, σ 2 ), de paramètre quelconque σ > 0, et
les lois de Cauchy de paramètre quelconque a > 0 sont stables. Montrer que par contre
les lois de Poisson ne le sont pas.
2. Calculer an et bn lorsque X suit une loi stable de variance finie σ 2 . En déduire que les
seules lois stables de variance finie sont les lois gaussiennes.
Solution.
1. La loi d’une variabe aléatoire est caractérisée par sa fonction caractéristique, qui est
2 2
dans le cas d’une N (0, σ 2 ), exp(− σ 2x ) et dans le cas d’une loi de Cauchy de paramètre
c, exp(−c|x|). Ainsi, l’on voit que la loi de n gaussiennes indépendantes a pour fonction
2 2 √
caractéristique exp(− nσ2 x ) et est donc égale en loi à nN (0, σ 2 ). De même, la somme
de n lois de Cauchy indépendantes a pour fonction caractéristique exp(−na|x|), et est
donc égale à n fois une loi de Cauchy de paramètre a.
, −λ sk λk =
Pour une loi de Poisson de paramètre λ, la fonction génératrice vaut E[sX ] = ∞ k=0 e k!
eλ(s−1) .
an
Mais E[san X+bn ] = E[sX ]n entraı̂ne sbn eλ(s −1) = enλ(s−1) , c’est-à-dire bn = 0 et an = 1
et par conséquent n = 1. La loi de Poisson n’est donc pas stable.
2. Si X suit une loi N (m, σ 2 ), alors X1 + .. + Xn suit une loi N (nm, nσ 2 ), et an X + bn
√ √
une loi N (an m + bn , a2n σ 2 ). Donc an = n et bn = m(n − n). Ainsi