Comment montrer qu'une suite… : En appliquant Bienaymé-Tchebychev à \bar… — ECG2 appliquées | MetMat

Comment montrer qu'une suite $(\\bar{X}_n)$ vérifie la loi faible des grands nombres ?

En appliquant Bienaymé-Tchebychev à $\\bar{X}_n = \\dfrac{X_1 + \\cdots + X_n}{n}$ avec $E(\\bar{X}_n) = m$ et $V(\\bar{X}_n) = \\dfrac{\\sigma^2}{n}$

Établir $\\lim_{n \\to +\\infty} P([|\\bar{X}_n - m| \\geq \\varepsilon]) = 0$ pour la moyenne empirique.

Maîtriser

Reconnaître

Résoudre

Que ferais-tu face à un exercice de ce type ?

Soit $(X_n)$ une suite i.i.d. de loi de Bernoulli $\\mathcal{B}(p)$ . Montrer la LFGN pour la fréquence empirique $\\bar{X}_n$ .

L'objectif

Établir $\\lim_{n \\to +\\infty} P([|\\bar{X}_n - m| \\geq \\varepsilon]) = 0$ pour la moyenne empirique.

Le principe

Si $(X_n)_{n \\in \\mathbb{N}^*}$ sont indépendantes, de même espérance $m$ et même variance $\\sigma^2$ , alors $\\bar{X}_n$ vérifie $E(\\bar{X}_n) = m$ et $V(\\bar{X}_n) = \\dfrac{\\sigma^2}{n}$ , et Bienaymé-Tchebychev donne la convergence vers $0$ de $P([|\\bar{X}_n - m| \\geq \\varepsilon])$ .

La méthode

1
Je vérifie que les $X_k$ sont indépendantes, de même espérance $m$ et même variance $\\sigma^2$ (existence du moment d'ordre $2$ ).
2
Je calcule $E(\\bar{X}_n) = m$ par linéarité et $V(\\bar{X}_n) = \\dfrac{\\sigma^2}{n}$ par indépendance.
3
Pour $\\varepsilon > 0$ , j'applique Bienaymé-Tchebychev à $\\bar{X}_n$ : $P([|\\bar{X}_n - m| \\geq \\varepsilon]) \\leq \\dfrac{\\sigma^2}{n \\varepsilon^2}$ .
Comment appliquer Bienaymé-Tchebychev pour estimer $P([|X-E(X)| \\geq \\varepsilon])$ ?Voir
4
Je passe à la limite quand $n \\to +\\infty$ : $\\dfrac{\\sigma^2}{n \\varepsilon^2} \\to 0$ , donc $\\lim_{n \\to +\\infty} P([|\\bar{X}_n - m| \\geq \\varepsilon]) = 0$ .

Pour comprendre, fais des exercices !

Exercice d'exemple

Soit $(X_n)$ une suite i.i.d. de loi de Bernoulli $\\mathcal{B}(p)$ . Montrer la LFGN pour la fréquence empirique $\\bar{X}_n$ .

Étape 1 —

Je vérifie que les

X_k

sont indépendantes, de même espérance

m

et même variance

\\sigma^2

(existence du moment d'ordre

2

Les $X_k$ sont indépendantes, de même loi $\\mathcal{B}(p)$ , donc $E(X_k) = p$ et $V(X_k) = p(1-p)$ existent.

Étape 2 —

Je calcule

E(\\bar{X}_n) = m

par linéarité et

V(\\bar{X}_n) = \\dfrac{\\sigma^2}{n}

par indépendance.

$E(\\bar{X}_n) = p$ et $V(\\bar{X}_n) = \\dfrac{p(1-p)}{n}$ .

Étape 3 —

Pour

\\varepsilon > 0

, j'applique Bienaymé-Tchebychev à

\\bar{X}_n

P([|\\bar{X}_n - m| \\geq \\varepsilon]) \\leq \\dfrac{\\sigma^2}{n \\varepsilon^2}

Pour $\\varepsilon > 0$ : $P([|\\bar{X}_n - p| \\geq \\varepsilon]) \\leq \\dfrac{p(1-p)}{n \\varepsilon^2}$ .

Étape 4 —

Je passe à la limite quand

n \\to +\\infty

\\dfrac{\\sigma^2}{n \\varepsilon^2} \\to 0

, donc

\\lim_{n \\to +\\infty} P([|\\bar{X}_n - m| \\geq \\varepsilon]) = 0

Comme $\\dfrac{p(1-p)}{n \\varepsilon^2} \\to 0$ quand $n \\to +\\infty$ , on a $\\lim_{n \\to +\\infty} P([|\\bar{X}_n - p| \\geq \\varepsilon]) = 0$ .

$\\bar{X}_n$ vérifie la loi faible des grands nombres : elle converge en probabilité vers $p$ .

Les applications suivantes et la correction guidée sont réservées aux membres Premium

La méthode et sa première application corrigée restent en accès libre. Le Premium débloque les applications suivantes, l'aide IA et le suivi de ta maîtrise.

Comment montrer qu'une suite (barXn)(\\bar{X}_n)(barXn​) vérifie la loi faible des grands nombres ?

En appliquant Bienaymé-Tchebychev à barXn=dfracX1+cdots+Xnn\\bar{X}_n = \\dfrac{X_1 + \\cdots + X_n}{n}barXn​=dfracX1​+cdots+Xn​n avec E(barXn)=mE(\\bar{X}_n) = mE(barXn​)=m et V(barXn)=dfracsigma2nV(\\bar{X}_n) = \\dfrac{\\sigma^2}{n}V(barXn​)=dfracsigma2n

Pour comprendre, fais des exercices !

Comment montrer qu'une suite $(\\bar{X}_n)$ vérifie la loi faible des grands nombres ?

En appliquant Bienaymé-Tchebychev à $\\bar{X}_n = \\dfrac{X_1 + \\cdots + X_n}{n}$ avec $E(\\bar{X}_n) = m$ et $V(\\bar{X}_n) = \\dfrac{\\sigma^2}{n}$