Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Chap9

224 views

Published on

  • Be the first to comment

  • Be the first to like this

Chap9

  1. 1. Chapter 9Fonctions g´n´ratrices des variables e eal´atoires ` valeurs dans N e aSommaire 9.1 D´finition . . . . . . . . . . . . . . . e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68 9.2 Calculs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69 9.3 Loi et fonction g´n´ratrice . . . . . . e e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 9.4 Fonction g´n´ratrice et ind´pendance e e e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 9.5 Fonction g´n´ratrice et moments . . e e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 Objectifs:• Introduire un objet qui caract´rise la loi d’une variable al´atoire ` valeurs dans N: la fonction g´n´ratrice. e e a e e Mots-cl´s: e• fonction g´n´ratrice, rayon de convergence. e e Outils:• liens entre la loi et la fonction g´n´ratrice, e e• calcul de l’esp´rance et de la variance ` partir de la fonction g´n´ratrice. e a e e Techniques de d´monstration: R´sultats sur les s´ries enti`res. e e e e9.1 D´finition e D´finition 9.1 Soit X une variable al´atoire a valeurs dans N. On d´finit sa fonction g´n´ratrice gX par e e ` e e e +∞ gX (s) = sk P(X = k). k=0Remarque: 1. Si X ne prend qu’un nombre fini de valeurs, gX est un polynˆme en s, elle est donc d´finie sur R o etout entier. 2. Si X prend un nombre d´nombrable de valeurs, gX est une s´rie enti`re en s: on doit donc se demander pour e e equelles valeurs de s cette s´rie est bien d´finie. La th´orie des s´ries enti`res assure qu’il existe RX tel que e e e e e • si |s| < RX , alors gX (s) converge (et mˆme converge absolument) e • si |s| > RX , alors gX (s) diverge, 68
  2. 2. • si |s| = RX , on ne sait pas.Cette grandeur RX est appel´e rayon de convergence de gX . Remarquons ici que e +∞ +∞ gX (1) = 1k P(X = k) = P(X = k) = 1, k=0 k=0et donc RX > 1. la fonction g´n´ratrice d’une variable al´atoire ` valeurs dans N est toujours d´finie au moins sur [−1, 1]. e e e a e 3. Par la formule de transfert, on remarque que quand gX (s) est fini, on a gX (s) = E(sX ).9.2 CalculsLoi de Bernoulli de param`tre p e gX (s) = ps1 + (1 − p)s0 = (1 − p) + ps.Le rayon de convergence est +∞.Loi binomiale de param`tres n, p e n n n k n gX (s) = p (1 − p)n−k sk = (ps)k (1 − p)n−k = (1 − p + ps)n . k k k=0 k=0Le rayon de convergence est +∞.Loi uniforme sur {0, 1, . . . , n} n 1 k 1 1 − sn+1 gX (s) = s = . n+1 n+1 1−s k=0Attention, cette formule n’est valable que pour s = 1, mais on peut la prolonger par continuit´ par 1 en 1. eLe rayon de convergence est +∞.Loi g´om´trique de param`tre p e e e +∞ +∞ gX (s) = sk p(1 − p)k−1 = ps ((1 − p)s)k−1 . k=1 k=1On reconnait la s´rie g´om´trique de raison (1 − p)s: elle converge si et seulement si e e e 1 |(1 − p)s| < 1 ⇔ |s| < . 1−p 1 1Le rayon de convergenc est donc 1−p > 1 et pour tout |s| < 1−p , ps gX (s) = . 1 − (1 − p)sLoi de Poisson de param`tre λ e +∞ +∞ λk (λs)k gX (s) = sk exp(−λ) = exp(−λ) . k! k! k=0 k=0On reconnait la s´rie exponentielle, donc le rayon de convergence est +∞ et e gX (s) = exp(−λ + λs) = exp(−λ(1 − s)). 69
  3. 3. 9.3 Loi et fonction g´n´ratrice e e Th´or`me 9.2 Soit X une variable al´atoire a valeurs dans N. Sa fonction g´n´ratrice gX est infiniment d´rivable e e e ` e e e sur ] − RX , RX [, et la d´riv´e n-`me est donn´e par e e e e +∞ (n) gX (s) = k(k − 1) . . . (k − n + 1)P(X = k)sk−n = E(X(X − 1) . . . (X − n + 1)sX−n ). k=n En particulier, (n) gX (0) ∀n ∈ N, P(X = n) = . n! Ceci signifie que la fonction g´n´ratrice caract´rise la loi. e e e D´monstration: C’est le th´or`me de d´rivation d’une s´rie enti`re (et le th´or`me de transfert pour e e e e e e e e la deuxi`me formule) e♦ En pratique: Pour retrouver la loi si on connait la fonction g´n´ratrice, on regarde les d´riv´es successives en e e e e0: (n) g (0) ∀n ∈ N, P(X = n) = X . n!9.4 Fonction g´n´ratrice et ind´pendance e e e Proposition 9.3 Soit X et Y deux variables al´atoires ind´pendantes a valeurs dans N. Alors e e ` gX+Y (s) = gX (s)gY (s). D´monstration: Comme X et Y sont ind´pendantes, e e gX+Y (s) = E(sX+Y ) = E(sX sY ) = E(sX )E(sY ) = gX (s)gY (s).♣ Exercice: Soit X et Y deux variables al´atoires ind´pendantes de lois de Poisson de param`tres respectifs λ > 0 e e eet µ > 0. D´terminer, en calculant sa fonction g´n´ratrice, la loi de X + Y . e e e♣ Exercice: Soit X1 , X2 , ..., Xn des vaiid de loi de Bernoulli de param`tre p. D´terminer la loi de X1 +X2 +· · ·+Xn . e e9.5 Fonction g´n´ratrice et moments e e Proposition 9.4 Soit X une variable al´atoire a valeurs dans N de rayon de convergence RX > 1. Alors X admet e ` des moments de tout ordre et +∞ (n) ∀n ≥ 0, gX (1) = k(k − 1) . . . (k − n + 1)P(X = k)1k−n = E(X(X − 1) . . . (X − n + 1)). k=n En particulier, gX (1) = E(X) et gX (1) = E(X(X − 1)). D´monstration: C’est une application de la formule de la d´riv´e n-i`me. e e e eRemarque: En fait, on a un r´sultat plus fort quand RX = 1: X est int´grable si et seulement si GX est d´rivable e e e1. On n’utilisera pas ce r´sultat cette ann´e. e e 70
  4. 4. ♣ Exercice: Calculer ` l’aide de la fonction g´n´ratrice l’esp´rance et la variance de la loi g´om´trique de param`tre a e e e e e ep et de la loi de Poisson de param`tre λ. e 71

×