Chapitres Maths en ECG1

Corrigés – Convergences et approximations en ECG1

Name: Groupe Réussite: Cours particuliers, stages intensifs de révision
Brand: Groupe Réussite
SKU: Cours Particuliers
Rating: 4.9 (1049 reviews)

Résumé de cours Exercices Corrigés

Cours en ligne de Maths en ECG1

Inégalités classiques, convergences de suites de variables aléatoires

Exercice :

1) a) $x^{3 / 2} g_n \left( x \right) \underset{x \to + \infty}{\sim} \left( x + 1 \right)^{3 / 2} \dfrac{\left( \ln \left( 1 +x \right) \right)^n}{\left( x + 1 \right)^2}$ $\underset{x \to + \infty}{\sim} \dfrac{\left( \ln \left( 1 +x \right) \right)^n}{\left( x + 1 \right)^{1 / 2}}.$

Donc

$\lim_{x \to + \infty} x^{3 / 2} g_n \left( x \right) = 0$ par croissance comparée, soit

$g_n \left( x \right) \underset{x \to + \infty}{=} o \left( \dfrac{1}{x^{3 / 2}} \right).$

b) La fonction $g_n$ est continue sur $\left[ 0 , + \infty \right[$ à valeurs positives et $g_n \left( x \right) \underset{x \to +\infty}{=} o \left( \dfrac{1}{x^{3 / 2}} \right)$ ; comme l’intégrale $\int_1^{+ \infty} \dfrac{1}{x^{3 / 2}} dx$ converge, on en déduit que l’intégrale $I_n = \int_0^{+ \infty} g_n \left( t \right) dt$ est convergente.

c) On a $I_0 = \int_0^{+ \infty} \dfrac{1}{\left( 1 +x \right)^2}$ $= \lim_{x \to + \infty} \left[ - \dfrac{1}{1 + t } \right]_0^x = 1.$

d) Soit $A > 0.$ On fait une intégration par parties sur $\left[ 0 , A \right]$ en utilisant les fonctions de classe $C^1$ $u :x \mapsto- \dfrac{1}{1 +x}$ et $v : x \mapsto \left( \ln \left( 1 + x \right) \right)^n.$ On a

$\int_1^A \dfrac{\left( \ln \left( 1 +x \right) \right)^{n + 1} }{\left( 1 + x \right)^2} dx$

$= \left[ \dfrac{- \left( \ln \left( 1 + t \right) \right)^{n + 1}}{1 + t} \right]_0^x$

$+ \left( n + 1 \right) \int_0^x \dfrac{\left( \ln \left( 1 + x \right) \right)^n}{\left( 1 + x \right)^2} dx.$
Puis si

$A$ tend vers

$+ \infty,$ comme

$\lim_{A \to + \infty} \left( \dfrac{\left( \ln \left( 1 + A \right) \right)^{n + 1}}{1 + A} \right) = 0,$ on obtient

$I_{n + 1} = \left( n + 1 \right) I_n.$

COURS DE MATHS

Les meilleurs professeurs particuliers

Pour progresser et réussir

Avis Google France ★★★★★ 4,9 sur 5

On montre facilement par récurrence que

$I_n = n!$ (on rappelle que

$I_0 =1$ ).

2) a) $f_n$ est continue sur $\mathbb{R}$ (on vérifie qu’elle est bien continue en $0$ car les limites à droite et à gauche de $f_n$ sont égales à $f_n \left( 0 \right)$ ), $f_n$ est à valeurs positives, l’intégrale $\int_{-\infty}^{+ \infty} f_n \left( t \right) dt$ converge et est égale à $\dfrac{1}{n!} \int_{- \infty}^{+ \infty} g_n \left( t \right) dt$ $= \dfrac{1}{n!} I_n = 1.$

On a donc prouvé que

$f_n$ est une densité de probabilité.

b) La fonction $x \mapsto x f_n \left( x \right)$ est continue sur $\left[ 0 , + \infty \right[.$

Pour $x \ge 1,$ $x f_n \left( x \right)$ $\ge \dfrac{x \left( \ln \left( 2 \right) \right)^n}{\left( 1 +x \right)^2},$ l’intégrale $\int_0^{+ \infty} \dfrac{x}{\left( 1 + x \right)^2} dx$ diverge car $\dfrac{x}{\left( 1 +x \right)^2} \underset{x \to 0}{\sim} \dfrac1x$ donc l’intégrale $\int_{- \infty}^{+ \infty} t f_n \left( t \right) dt$ diverge. La variable $X_n$ n’a pas d’espérance.

c) Comme $f_n$ est nulle sur $\left] - \infty , 0 \right[,$ pour $x < 0,$ $F_n \left( x \right) = 0.$

d) Pour $x \ge 0,$ $F_0 \left( x \right)$ $= \int_{- \infty}^x f_0 \left( t \right) dt$ $= \int_0^x \dfrac{1}{\left( 1 + t \right)^2} dt$ $= \left[ - \dfrac{1}{1 + t } \right]_0^x$ $= \dfrac{x}{x + 1}.$

e) Soit $x \ge 0$ et $k \in \mathbb{N}^*,$ en intégrant par parties en utilisant les fonctions $C^1$ sur $\left[ 0 , x \right],$ $u : t \mapsto - \dfrac{1}{1 + t}$ et $v : t \mapsto \left( \ln \left( 1 + t \right) \right)^k$ avec $v' : t \mapsto k \dfrac{\left( \ln \left( 1 + t \right) \right)^{k -1}}{1 + t}.$

$F_k \left( x \right)$

$= \int_0^x f_k \left( t \right) dt$

$= \int_0^x \dfrac{ \left(\ln \left( 1 + t \right) \right)^k}{k! \left( 1 + t \right)^2} dt$

$= \left[ - \dfrac{\left( \ln \left( 1 + t \right) \right)^k}{k! \left( 1 + t \right)} \right]_0^x$

$+ \dfrac{k}{k!} \int_0^x \dfrac{\left( \ln \left( 1 + t \right) \right)^{k - 1}}{\left( 1 + t \right)^2} dt.$
On obtient alors

$F_k \left( x \right) - F_{k - 1} \left( x \right)$

$= - \dfrac{1}{k!} \dfrac{\left( \ln \left( 1 + x \right) \right)^k}{1 + x}.$

Puis si

$n \in \mathbb{N}^*,$ par sommation puis télescopage :

$\displaystyle\sum_{k=1}^n \left( F_k \left( x \right) - F_{k - 1} \left( x \right) \right)$

$= \displaystyle\sum_{k=1}^n - \dfrac{1}{k!} \dfrac{\left( \ln \left( 1 + x \right) \right)^k}{1 + x},$
soit

$F_n \left( x \right) - F_0 \left( x \right)$

$= - \dfrac{1}{1 + x} \displaystyle\sum_{k=1}^n \dfrac{\left( \ln \left( 1 + x \right) \right)^k}{k!}.$ Or

$F_0 \left( x \right)$

$= 1 - \dfrac{1}{1 + x},$

$- \dfrac{1}{1 + x}$ est le terme pour

$k=0$ de la somme située à droite, on en déduit que si

$n \ge 1$ et

$x \ge 0,$

$F_n \left( x \right)$

$= 1 - \dfrac{1}{1 + x } \displaystyle\sum_{k=0}^n \dfrac{\left( \ln \left( 1 + x \right) \right)^k}{k!}.$

f) Pour $x \in \left[ 0 , + \infty \right[,$ on reconnaît une somme partielle d’une série exponentielle, donc $\lim_{n \to + \infty} \displaystyle\sum_{k=0}^n \dfrac{\left( \ln \left( 1 + x \right) \right)^k}{k!}$ $= e^{\ln \left( 1 + x \right)}$ $= 1 + x$ et $\lim_{n \to + \infty} F_n \left( x \right) = 0.$

$x < 0,$ on a aussi

$\lim_{n \to + \infty} F_n \left( x \right) = 0.$

g) La limite de la suite de fonctions de répartitions $\left( F_n \right)_{n \in \mathbb{N}}$ n’est pas une fonction de répartition, donc la suite de variables aléatoires $\left( X_n \right)_{n \in \mathbb{N}}$ ne converge pas en loi.

3) a) $X_n$ est une variable aléatoire à valeurs dans $\left[ 0 , + \infty \right[,$ donc on peut définir la variable aléatoire $Y_n$ et $Y_n$ est à valeurs positives.

b) Si $x \in \mathbb{R},$ $H_n \left( x \right)$ $= \mathbb{P} \left( Y_n \le x \right)$ $= \mathbb{P} \left( \ln \left( 1 + X_n \right) \le x \right).$

Par croissance de la fonction exponentielle,

$H_n \left( x \right)$

$= \mathbb{P} \left( 1 + X_n \le e^x \right)$

$= \mathbb{P} \left( X_n \le e^x - 1 \right)$

$= F_n \left( e^x - 1 \right).$

c) On a montré que la fonction $F_n$ est de classe $C^1$ sur $\mathbb{R}$ de dérivée égale à $f_n$ (la fonction $f_n$ est continue sur $\mathbb{R}$ ), donc par composée, la fonction $H_n$ est de classe $C^1$ sur $\mathbb{R},$ $Y_n$ admet une densité $h_n = H_n'.$

Pour tout

$x \in \mathbb{R},$

$h_n \left( x \right)$

$= e^x f_n \left( e^x - 1 \right).$

$x \ge 0,$

$e^x - 1 \ge 0$ et

$f_n \left( e^x - 1 \right)$

$= \dfrac{\left( \ln \left( 1 + e^x - 1 \right) \right)^n}{n! \left( 1 + e^x - 1 \right)^2}$

$= \dfrac{x^n}{n! e^{2x}}.$

On en déduit que pour tout

$x \in \mathbb{R},$

$h_n \left( x \right)$

$= \dfrac{x^n}{n! e^{2x}}$ si

$x \ge 0$ et

$h_n \left( x \right) = 0$ si

$x < 0.$

d) La fonction $\varphi_n x : \mapsto x h_n \left( x \right)$ est continue sur $\mathbb{R},$ nulle sur $\left] - \infty , 0 \right[$ à valeurs positives et vérifie $\varphi_n \left( x \right) \underset{x \to + \infty}{=} o \left( \dfrac{1}{x^2} \right),$ donc l’intégrale $\int_0^{+ \infty} x h_n \left( x \right) dx$ est absolument convergente.

$Y_n$ admet une espérance et

$\mathbb{E} \left( Y_n \right)$

$= \int_0^{+ \infty} x h_n \left( x \right) dx$

$= \left( n + 1 \right) \int_0^{+ \infty} h_{n + 1} \left( x \right) dx$

$= n+ 1$ car

$h_{n + 1}$ est une densité d’une variable aléatoire à valeurs dans

$\left[ 0 , + \infty \right[.$

e) On montre de même que l’intégrale $\int_0^{+ \infty} x^2 h_n \left( x \right) dx$ est convergente et que

$\mathbb{E} \left( X_n^2 \right)$

$= \int_0^{+ \infty} x^2 h_n \left( x \right) dx$

$= \left( n + 1 \right) \left( n + 2 \right) \int_0^{+ \infty} h_{n + 2} \left( x \right) dx$

$= \left( n + 1 \right) \left( n + 2 \right).$
Alors

$V \left( X_n \right)$

$= \mathbb{E} \left( X_n^2 \right)$

$- \left( \mathbb{E} \left( X_n \right) \right)^2$

$= \left( n + 1 \right) \left( n + 2 \right) - \left( n + 1 \right)^2$

$= n + 1.$

f) $Y_0$ suit une loi exponentielle de paramètre $1.$ Pour tout $k \in \mathbb{N}^*,$ on a

$\int_0^{+ \infty} x^k h_0 \left( x \right) dx$ $= k! \int_0^{+ \infty} h_0 \left( x \right) dx$ $= k!.$

g) $\mathbb{E} \left( Z_n \right)$ $= \dfrac{1}{n + 1} \mathbb{E} \left( Y_n \right)$ $= 1$ et $V \left( Z_n \right)$ $= \dfrac{1}{\left( n + 1 \right)^2} V \left( Y_n \right)$ $= \dfrac{1}{n + 1}.$

Par application de Bienaymé Tchebychev,

$\mathbb{P} \left( \left| Z_n - \mathbb{E} \left( Z_n \right) \right| \ge \epsilon \right)$

$\le \dfrac{V \left( Z_n \right)}{\epsilon^2}.$
Par encadrement,

$\lim_{n \to + \infty } \mathbb{P} \left( \left| Z_n - \mathbb{E} \left( Z_n \right) \right| \ge \epsilon \right) = 0.$

La suite de terme général $Z_n = \dfrac{Y_n}{n + 1}$ converge en probabilité vers une variable aléatoire constante égale à $1.$

COURS PARTICULIERS EN LIGNE

Nous avons sélectionné pour vous les meilleurs professeurs particuliers.

POUR ACCÉLÉRER MA PROGRESSION

Avis Google France ★★★★★ 4,9 sur 5

Grâce à ces exercices et à ces corrigés d’exercices, vos points forts et vos points faibles en maths en ECG1 se feront vite connaître. Profitez-en pour cibler vos révisons et vos entraînements sur les notions qui sont le plus difficiles pour vous. Les cours suivants doivent également être bien maîtrisés :

Corrigés – Convergences et approximations en ECG1

Inégalités classiques, convergences de suites de variables aléatoires

COURS DE MATHS

Les meilleurs professeurs particuliers

Pour progresser et réussir

COURS PARTICULIERS EN LIGNE

Nous avons sélectionné pour vous les meilleurs professeurs particuliers.

POUR ACCÉLÉRER MA PROGRESSION

Contact

Qui sommes-nous ?

Nous rejoindre

Copyright @ GROUPE REUSSITE - Mentions légales