Statistique Inf¶erentielle Statistique Inf¶erentielle MD3 J. Rousseau (2004-2005) Page 1Statistique Inf¶erentielle Chapitre 1 Outils probabilistes I Convergence et ordre Convergence en probabilit¶e: P X ¡!X () 8">0; lim P(jX ¡Xj>")=0:n n n!1 Convergence en loi: L X ¡!X () 8f continue born¶ee, lim E(f(X ))=E(f(X))n n n!1 ¡ ¢ ¡ ¢ itX itXn() 8t2R; E e !E e Convergence presque su^re: ¶ p:s: X ¡!X () P limsupjX ¡Xj=0 =1:n n n!1 MD3 J. Rousseau (2004-2005) Page 26 Statistique Inf¶erentielle Th¶eoreme 1.1.1. p:s: P L 1. X ¡!X )X ¡!X )X ¡!Xn n n P L 2. X ¡!c () X ¡!c si c est une constante.n n L P L 3. si X ¡!X et X ¡Y ¡!0 alors Y ¡!X.n n n n P P P 4. si X ¡!X et Y ¡!Y alors (X ;Y )¡!(X;Y).n n n n L P L 5. si X ¡!X et Y ¡!c alors (X ;Y )¡!(X;c)n n n n Lemme 1.1.2. (Slutsky) L L Si X ¡!X et Y ¡!c ou c est une constante alorsn n L 1. X +Y ¡!X +c.n n L 2. X Y ¡!cX:n n L 3. X =Y ¡!X=c si c=0.n n MD3 J. Rousseau (2004-2005) Page 3Statistique Inf¶erentielle Th¶eoreme 1.1.3. Soit g continue en tout point de C tel que P(X 2 p:s:L P L C) = 1 , alors si X ¡! X (resp. ¡!, ¡!) alors g(X ) ¡! g(X)n n p:s:P (resp.¡!,¡!). Remarquonsquececiimplique,sig estbornee,queEg(X )!Eg(X)cen qui ne permet pas, par exemple d’obtenir la convergence des moments kcar x!x est non born¶ee. Uniforme int¶egrabilit¶e: la suite X est uniform¶ement int¶egrable sin ¡ ¢ lim limsupE jX j1 =0:n jX j>Mn M!1 n!1 Th¶eoreme 1.1.4. (Cv des moments) L Soit g continue en tout point de C tel queP(X 2C)=1 et X ¡!X.n AlorsEg(X ...
0; lim P(jX ¡Xj>")=0:n nn!1Convergence en loi:LX ¡!X () 8f continue born¶ee, lim E(f(X ))=E(f(X))n nn!1¡ ¢ ¡ ¢itX itXn() 8t2R; E e !E eConvergence presque su^re:¶p:s:X ¡!X () P limsupjX ¡Xj=0 =1:n nn!1MD3 J. Rousseau (2004-2005) Page 26Statistique Inf¶erentielleTh¶eoreme 1.1.1.p:s: P L1. X ¡!X )X ¡!X )X ¡!Xn n nP L2. X ¡!c () X ¡!c si c est une constante.n nL P L3. si X ¡!X et X ¡Y ¡!0 alors Y ¡!X.n n n nP P P4. si X ¡!X et Y ¡!Y alors (X ;Y )¡!(X;Y).n n n nL P L5. si X ¡!X et Y ¡!c alors (X ;Y )¡!(X;c)n n n nLemme 1.1.2. (Slutsky)L LSi X ¡!X et Y ¡!c ou c est une constante alorsn nL1. X +Y ¡!X +c.n nL2. X Y ¡!cX:n nL3. X =Y ¡!X=c si c=0.n nMD3 J. Rousseau (2004-2005) Page 3Statistique Inf¶erentielleTh¶eoreme 1.1.3. Soit g continue en tout point de C tel que P(X 2p:s:L P LC) = 1 , alors si X ¡! X (resp. ¡!, ¡!) alors g(X ) ¡! g(X)n np:s:P(resp.¡!,¡!).Remarquonsquececiimplique,sig estbornee,queEg(X )!Eg(X)cenqui ne permet pas, par exemple d’obtenir la convergence des momentskcar x!x est non born¶ee.Uniforme int¶egrabilit¶e: la suite X est uniform¶ement int¶egrable sin¡ ¢lim limsupE jX j1 =0:n jX j>MnM!1 n!1Th¶eoreme 1.1.4. (Cv des moments)LSoit g continue en tout point de C tel queP(X 2C)=1 et X ¡!X.nAlorsEg(X ..." />
The´oreme1.1.1. ` p.s 1.Xn−→.X⇒Xn−P→X⇒Xn−L→X 2.Xn−P→c⇐⇒Xn−L→csicest une constante. 3. siXn−L→XetXn−Yn−P→0 alorsYn−L→X. 4. siXn−P→XetYn−P→Yalors (Xn Yn)−P→(X Y). 5. siXn−L→XetYn−P→calors (Xn Yn)−L→(X c)
Lemme 1.1.2. (Slutsky) SiXn−L→XetYn−L→co`ucest une constante alors 1.Xn+Yn−L→X+c. 2.X Y−L→cX. n n 3.Xn/Yn−L→X/csic6= 0.
MD3
J. Rousseau)025000-42(
Page 3
StatistiqueInf´erentielle
The´ore`me1.1.3.Soitgcontinue en tout point deCtel queP(X∈ C) = 1 , alors siXn−L→X(resp.−P→,p−.s→.) alorsg(Xn)−L→g(X) (resp.−P→,−p.s→.).
Remarquons que ceci implique, sigest bornee, queEg(Xn)→Eg(X) ce qui ne permet pas, par exemple d’obtenir la convergence des moments carx→xkontnese.´ernbo
Th´eore`me1.2.4.(Th´eore`meCentralLimite-Lindeberg) ep SoientXn´dadnesetntnecdv.esina.r´eestelsqueE|Xn|2=σn2. tonsVn=Pin=1σi2, si nli→m∞V1ni=nX1E³Xi21{Xi>Vnε}´= 0∀ε >0 2
alors
Nous donnons ensuite v´erifiercesconditions.
MD3
1n √Vin=X1Xi−L→ N(01)
une condition de type
moment
J. Rousseau0520)(24-00
permettant
No-
de
Page 10
StatistiqueInf´erentielle
The´ore`me1.2.5.(The´or`emeCentralLimite-Lyapunov) SoientXnndantescentr´eesedvsa.i.dne´epsleteuqE|Xn|2=σn2. tonsVn=Pin=1σi2, si il existeδ >0 tel que 1n linmVn1+δ/2i=X1E|Xi|2+δ= 0