Cours et vidéos

Cours en ligne Vidéos classées

Concours corrigés

HECS
HECE

Programme de concours

HECS

Chaîne Youtube


Pour me soutenir



Autour du site

Auteur du site.
Cours particuliers.


Partie III. Lois de Poisson mélagées


Dans cette partie, $T$ est une variable aléatoire à densité dont une densité $f$ est nulle sur $\mathbb R_-$ et continue sur $\mathbb R^*_+$.

14. Justifier pour tout $n\in\mathbb N$, la convergence de l'intégrale $\int_0^{+\infty}t^ne^{-t}f(t)dt$.

Afficher

En étudiant la fonction $t\mapsto t^ne^{-t}$, on montre facilement qu'elle est bornée par une constante $M$ de sorte que : $$0\leq \int_0^{+\infty}t^ne^{-t}f(t)dt\leq M\int_0^{+\infty}f(t)dt=M,$$ où la dernière inégalité provient du fait que $f$ est une densité de proba sur $\mathbb R^+$. Donc l'intégrale converge.

15. On pose pour tout $n\in\mathbb N$ : $z_n=\int_0^{+\infty}\frac{t^n}{n!}e^{-t}f(t)dt$ et $v_n=\sum_{k=0}^nz_k$.

a) Soit $A$ un réel strictement positif et $X_A$ une variable aléatoire suivant la loi de Poisson de paramètre $A$. Etablir pour tout $n\in\mathbb N$, l'encadrement suivant : $0\leq 1-v_n\leq P([X_A>n])+\int_A^{+\infty}f(t)dt$.

Afficher

En reconnaissant une loi de Poisson de paramètre $t>0$, on observe que $\sum_{k=0}^n\frac{t^k}{k!}e^{-t}\leq 1$ par conséquent, on a que $$v_n=\sum_{k=0}^nz_k=\int_0^{+\infty}\sum_{k=0}^n\frac{t^k}{k!}e^{-t}f(t)dt\leq \int_0^{+\infty}f(t)dt=1.$$ Par conséquent $1-v_n\geq 0$. D'autre part on a aussi que : $$\begin{align} 1-v_n&=\int_0^{+\infty}f(t)dt-\int_0^{+\infty}\sum_{k=0}^n\frac{t^k}{k!}e^{-t}f(t)dt\\ &=\int_0^{+\infty}\left(1-\sum_{k=0}^n\frac{t^k}{k!}e^{-t}\right)f(t)dt\\ &=\int_0^{A}\left(1-\sum_{k=0}^n\frac{t^k}{k!}e^{-t}\right)f(t)dt+\int_{A}^{+\infty}\left(1-\sum_{k=0}^n\frac{t^k}{k!}e^{-t}\right)f(t)dt. \end{align}$$ Or on a vu en 11)b) que $\sum_{k=0}^n\frac{t^k}{k!}e^{-t}$ est décroissante en $t$ donc en introduisant $X_t$ une loi de Poisson de paramètre $t>0$, on a : $$\begin{align} 1-v_n&\leq P(X_A>n)\int_0^{A}f(t)dt+\int_{A}^{+\infty}P(X_t>n)f(t)dt\\ &\leq P(X_A>n)+\int_{A}^{+\infty}f(t)dt, \end{align}$$ car $P(X_t>n)\leq 1$ et $\int_0^Af(t)dt\leq 1$. D'où le résultat.

b) Montrer que la série $\sum_{n\geq 0}z_n$ est convergente et que $\sum_{n=0}^{+\infty}z_n=1$.

Afficher

$\int_A^{+\infty}f(t)dt\overset{A\to 0}{\longrightarrow}0$ car c'est le reste d'une intégrale convergente. Donc d'après la question précédente, pour tout $\epsilon>0$, il existe $A$ tel que $$0\leq 1-v_n\leq P(X_A>n)+\frac{\epsilon}{2}.$$ D'autre part pour ce $A$ fixé, $P(X_A>n)=\sum_{k=n+1}\frac{A^k}{k!}e^{-A}\overset{A\to+\infty}{\longrightarrow}0$ car c'est le reste d'une série convergente. Il existe donc $N\in\mathbb N$ tel que pour $n\geq N,\ \sum_{k=n+1}\frac{A^k}{k!}e^{-A}\leq\frac{\epsilon}{2}$. Il suit alors que pour $n\geq N$, $$0\leq 1-v_n\leq\frac{\epsilon}{2}+\frac{\epsilon}{2}=\epsilon,$$ c'est à dire $1-v_n$ converge vers $0$. On en déduit que $v_n$ tend vers 1, soit encore $\sum_{n=0}^{+\infty}z_n=1$.

On dit qu'une variable aléatoire $X$ à valeurs dans $\mathbb N$ suit la loi de Poisson mélangée associée à la densité $f$, notée ${\cal P}_f$, si pour tout entier naturel $n$, on a : $P([X=n])=\int_0^{+\infty}\frac{t^n}{n!}e^{-t}f(t)dt$.

16. La notation $\exp$ désigne la fonction exponentielle. Soit $r$ un réel strictement positif et $p$ un réel vérifiant $0<\! p<\! 1$. On suppose dans cette question qu'une densité $f$ de $T$ est donnée par : $$f(t)=\begin{cases} \frac{1}{\Gamma(r)}\left(\frac{p}{1-p}\right)^rt^{r-1}\exp\left(-\frac{pt}{1-p}\right) & \text{ si } & t>0\\ 0 & \text{ si } & t\leq 0 \end{cases}.$$

a) Reconnaître la loi $T$. Donner (sans démonstration) l'espérance et la variance de $T$.

Afficher

On reconnaît une loi $\Gamma\left(r,\frac{1-p}{p}\right)$. On a alors : $$E(T)=r\frac{1-p}{p}\text{ et }V(T)=r\left(\frac{1-p}{p}\right)^2.$$

b) Montrer que ${\cal P}_f$ est la loi binomiale négative $BN(r,p)$.

Afficher

On a : $$ P(X=n)=\frac{1}{\Gamma(r)}\left(\frac{p}{1-p}\right)^r\frac{1}{n!}\int_0^{+\infty}t^{n+r-1}\exp\left(\frac{1}{1-p}\right)dt. $$ On fait maintenant apparaître la densité d'une loi gamma qui va nous donner une intégrale qui vaut 1 : $$\begin{align} P(X=n)&=\frac{1}{\Gamma(r)}\left(\frac{p}{1-p}\right)^r\frac{1}{n!}\Gamma(n+r)(1-p)^r\int_0^{+\infty}t^{(n+r)-1}\exp\left(-t\frac{1}{1-p}\right)\frac{1}{\Gamma(n+r)}\left(\frac{1}{1-p}\right)^rdt\\ &=\frac{\Gamma(n+r)}{\Gamma(r)}p^r\frac{1}{n!}(1-p)^r. \end{align}$$ Enfin $\Gamma(n+r)=(n+r-1)\Gamma(n+r-1)=\dots=(n+r-1)\dots r\Gamma(r)=r^{<\! n>}\Gamma(r)$ donc $$P(X=n)=r^{<\! n>}p^r\frac{1}{n!}(1-p)^r,$$ ce qui est le résultat recherché.

17. Soit $(r,p)$ et $(s,q)$ deux couples de réels vérifiant $0<\! r<\! s$ et $0<\! q<\! p<\! 1$. On note $Y,Z$ et $W$ trois variables aléatoires qui suivent les lois $BN(r,p),BN(s,p)$ et $BN(s,q)$, respectivement.

a) Montrer que $Y$ est stochastiquement inférieur à $Z$.

Afficher

On suit la même logique que dans la question 10). Soit $U\sim BN(s-r,p)$ indépendante de $Y$ alors d'après 6) $Y+U\sim BN(s,p)$, autre ment dit $Y+U$ et $Z$ ont même loi. Ensuite en observant que $[Y+U\leq k]\subset [Y\leq k]$, on a que $\forall k\in\mathbb N$ : $$P(Z\leq k)=P(Y+U\leq k)\leq P(Y\leq k),$$ donc par 9), $Y$ est stochastiquement inférieur à $Z$.

b) A l'aide de la question 16, en déduire que $Y$ est stochastiquement inférieur à $W$.

Afficher

On commence par comparer $Z$ et $W$. Pour cela on observe que $$\begin{align} P(Z\leq k)&=\int_0^{+\infty}\sum_{n=0}^k\frac{t^n}{n!}e^{-t}\frac{1}{\Gamma(r)}\left(\frac{p}{1-p}\right)^rt^{r-1}\exp\left(-\frac{pt}{1-p}\right)dt\\ &=\int_0^{+\infty}F(t,k)\frac{1}{\Gamma(r)}\left(\frac{p}{1-p}\right)^rt^{r-1}\exp\left(-\frac{pt}{1-p}\right)dt, \end{align}$$ et de même pour $W$ : $$P(W\leq k)=\int_0^{+\infty}F(t,k)\frac{1}{\Gamma(r)}\left(\frac{q}{1-q}\right)^rt^{r-1}\exp\left(-\frac{qt}{1-q}\right)dt.$$ A l'aide d'un changement de variable dans la première intégrale, on va transformer $\exp\left(-\frac{pt}{1-p}\right)$ en $\exp\left(-\frac{qx}{1-q}\right)$ pour faciliter la comparaison des deux formules. On pose alors $x=\frac{1-q}{q}\frac{p}{1-p}t$ de sorte que : $$P(Z\leq k)=\int_0^{+\infty}F\left(\frac{1-p}{p}\frac{q}{1-q}x,k\right)\frac{1}{\Gamma(r)}\left(\frac{q}{1-q}\right)^rx^{r-1}\exp\left(-\frac{qx}{1-x}\right)dx.$$ Or on montre facilement que $\frac{1-p}{p}\frac{q}{1-q}\leq 1$, donc comme on sait que $F$ est décroissante en sa première variable, on a : $$P(Z\leq k)\geq \int_0^{+\infty}F(x,k)\frac{1}{\Gamma(r)}\left(\frac{q}{1-q}\right)^rx^{r-1}\exp\left(-\frac{qx}{1-x}\right)dx=P(W\leq k).$$ Donc d'après 9), $Z$ est stochastiquement inférieur à $W$. En résumé $Y$ est stochastiquement inférieur à $Z$, d'après 17)b), qui est stochastiquement inférieur à $W$, c'est à dire $\forall k\in\mathbb N$ : $$P(Y\leq k)\geq P(Z\leq k)\geq P(W\leq k)\Longrightarrow P(Y\leq k)\geq P(W\leq k)$$ et $Y$ est stochastiquement inférieur à $W$.

Pour afficher le fil des commentaires : Commentaires.


Pour poster un commentaire ou obtenir de l'aide : c'est ici!




Formulaire

L'insertion de formules suit la syntaxe LATEX. Toute formule doit être encadrée par des dollars : $\bf{\$formule\$}$. Par exemple $\bf{\$ u\_n \$}$ sera interprétée comme une formule et donnera $\bf{u_n}$. Voici quelques exemples pour ceux qui ne sont pas habitués :

Contacter l'auteur du site : frederic.millet @ math-sup.fr