Corrigé ESSEC 2005eco II par Pierre Veuillez

Ce problème est dans les bordures du programme.

Il va chercher aux limites de ce qui est faisable avec les notions abordées en ECE.
Un outil récurrent dans ce problème est la décomposition de l’espérance pour faire réapparaı̂tre
la fonction de répartition (méthode utilisée pour la démonstration de l’inégalité de Bienaymé
& Tchebichev)

X
E (X) = xP (X = x)
x∈X(Ω)
X X
= xP (X = x) + xP (X = x)
x>a x≤a

ce quiP
permet au choix :
Dans x>a xP (X = x) on a x > a donc
X X X
xP (X = x) ≥ aP (X = x) = a P (X = x)
x>a x>a x>a
P
et comme x>a P (X = x) = P (X > a) on a (pour X ne prenant que des valeurs positives)
X
E (X) ≥ xP (X = x) ≥ aP (X > a)
x>a

Dans ce problème, les variables aléatoires sont toutes définies sur un espace probabilisé (Ω, A, P ).
Si X est une variable aléatoire réelle, E(X) désigne son espérance. Lorsque (Xn )n≥1 est une
Xn
suite de variables aléatoires réelles, on note, pour tout n ≥ 1, Sn = Xk .
k=1

Préliminaires
1. a) Soit (Xn ) une suite de variables aléatoires réelles de même loi, admettant une
espérance m.
(Xn ) une suite de variables aléatoires réelles de même loi, admettant une même
espérance m et une variance alors, avec Xn = X1 +···+Xn
n
on a pour tout ε > 0 :


P Xn − m > ε → 0 quand n → +∞ (convergence en probabilité vers la valeur
moyenne)
b) Soit δ un réel strictement positif et A un sous-ensemble de R tel que l’intervalle
]m − δ, m + δ[ soit inclus dans le complémentaire de A.
Comme ]m − δ, m + δ[⊂ Ā alors A ⊂ ]m − δ, m + δ[
 
Donc P Snn ∈ A ≤ P Snn ∈ ]m − δ, m + δ[

avec Snn ∈ ]m − δ, m + δ[ ⇐⇒ Snn − m ≥ ε et comme P Xn − m > ε → 0 alors,

par encadrement
 
Sn
lim P ∈A =0
n→+∞ n
Un exemple discret
Dans cette partie, X est une variable aléatoire suivant une loi de Bernoulli B(p), avec 0 < p < 1.
(Xn )n≥1 est une suite de variables aléatoires indépendantes suivant toutes le même loi que X.
Xn
On note Sn = Xi . On rappelle que P (X = 1) = p, P (X = 0) = 1 − p = q.
i=1

Corrigé ESSEC 2005 1/13

 1. a) Comme les valeurs de X sont {1; 0} alors celles de esX sont {1, es } donc X (variable
finie) a une espérance



et E (X) = 1P esX = 1 + es P esX = es = (1 − p) + pes = 1 + p (es − 1)
On peut aussi passer par le théorème de transfert : E esX = 1k=0 esk P (X = k)

P


b) Conclusion : On a donc ϕ (s) = E esX = 1 + p (es − 1)

2. a) Comme Sn est une somme de variables suivant des lois binomiales indépendantes de
même paramètre de succès p alors
Conclusion : Sn ,→ B (n, p)
 
Sn k
b) Sn (Ω) = [[0, n]] alors (Ω) = / k ∈ [[0; n]]
n n
   
Sn k n k
et pour tout k ∈ [[0; n]] : P = = p (1 − p)n−k est la loi de la variable
n n k
Sn
aléatoire .
n
c) Soit s un réel
n
Pn Sn
Pn
k=1 Xk
X s
Comme Sn = k=1 Xk . et s n =s n = Xk
k=1
n
Sn s
alors es n = nk=1 e n Xk et les Xk étant indépendantes, l’espérance du produit est le
Q
produit des espérances :
  Y n
S  s   s 
s n
E e n Xk avec E e n Xk = ϕ ns (en substituant ns à s ) et finale-


E e n =
k=1
ment
 
S
s n
Conclusion : E e n = (ϕ(s/n))n .

Soit a un réel fixé de ]0, 1[.

3. a) On note Ka = k ∈ [[0, n]] , nk ≥ a . Soit s un réel positif.


D’après le théorème de transfert,

  n  
S
s n
X s
k X n k n−k
k
sn
E e n = e n P (Sn
= k) = e p q
k=0
k
k∈Sn (Ω)
X k n X k n
sn k n−k
= e p q + es n pk q n−k
k∈K
k k6∈K
k
a a

les termes de la seconde somme étant positifs,

 Sn  X k n
s n
E e ≥ es n pk q n−k
k∈K
k
a

k
et comme n
≥ a pour tout k ∈ Ka alors, pour s ≥ 0 : s nk ≥ s a
k
la fonction exp est croissante sur R alors es n ≥ es a
Donc
X k n X X
es n pk q n−k ≥ es a P (Sn = k) = es a P (Sn = k)
k∈K
k k∈K k∈K
a a a

Corrigé ESSEC 2005 2/13

 Avec k∈Ka P (Sn = k) = P (Sn ∈ Ka ) et (Sn ∈ Ka ) = Snn ≥ a
P

Finalement k∈Ka P (Sn = k) = P Snn ≥ a et

P

 Sn  X k n 
Sn

s n sn k n−k as
E e ≥ e p q ≥e P ≥a
k∈K
k n
a

 
S
s n
b) Pour s ≥ 0, on a vu que E e n = (ϕ(s/n))n donc

 
 Sn 
s n n as Sn
E e = (ϕ(s/n)) ≥ e P ≥a
n
et que, pour tout s ≥ 0
 
Sn
P ≥a ≤ (ϕ(s/n))n e−as
n

4. On suppose dans cette question que a > p.

a) Étudier sur R+ les variations de la fonction `a définie par

`a : s 7−→ as − ln ϕ(s)

avec ϕ (s) = 1 + p (es − 1)

`a est définie et dérivable en s tel que 1 + p (es − 1) > 0 donc, en particulier, sur R+

1 es ap − es p + a − ap
`0a (s) = a − p es
=
1 + p (es − 1) 1 + pes − p
a + apes − ap − pes
1 + pes − p
Le dénominateur étant strictement positif, on cherche le signe du numérateur
Avec 0 < p < a < 1

es ap − es p + a − ap > 0 ⇐⇒ es p (a − 1) > a (p − 1)
a (p − 1)
⇐⇒ es < car a − 1 < 0
p (a − 1)
 
a (p − 1)
⇐⇒ s < ln
p (a − 1)
   
a(p−1) a(p−1)
et de même `0a (s) = 0 ⇐⇒ s = ln p(a−1)
et `0a (s) < 0 ⇐⇒ s > ln p(a−1)

En 0 : ϕ (s) = 1 + p (es − 1) → 1 et `a (s) → 0

En +∞ :

as − ln (1 + p (es − 1)) = as − ln es p + e−s (1 − p)



`a (s) =
as − s − ln p + e−s (1 − p)


=
(a − 1) s − ln p + e−s (1 − p)


=
→ −∞ car a − 1 < 0

Corrigé ESSEC 2005 3/13

  
a(p−1) a(p−1) a−p
b) Avec β = ln p(a−1)
> 0 car p(a−1)
−1= p(1−a)
> 0 on a donc
s 0 β +∞
`0a (s) + 0 −
`a (s) 0 % & −∞
Donc la fonction `a atteint sur R+ un maximum strictement positif en β

 
α a (p − 1)
ϕ (β) = 1 + p (e − 1) = 1 + p −1
p (a − 1)
p (a − 1) + pa (p − 1) − p2 (a − 1)
=
p (a − 1)
2
p −p p−1
= =
p (a − 1) a−1

et donc cette valeur maximale est :

h(a, p) = `a (α)
   
a (p − 1) p−1
= a ln − ln
p (a − 1) a−1
   
p−1 a
= (a − 1) ln − a ln
a−1 p

c) Pour tout s ≥ 0 on avait

 
Sn
P ≥a ≤ (ϕ(s/n))n e−as
n

Pour faire apparaı̂tre l’expression demandée, on passe tout en exponentielle

Comme
 ϕ(s/n) > 0, (espérance d’une variable strictement positive) alors (ϕ(s/n))n =
exp n ln ϕ ns et



h s i
(ϕ(s/n))n e−as = exp n ln ϕ − as
 h sn  s i
= exp −n a − ln ϕ
 ns  n
= exp −n `a
n

Un raisonnement qui n’aboutit pas est de dire : `a ns ≤ h (a, p) donc −n`a ns ≥

−nh (a, p) ... et l’inégalité se retrouve dans le mauvais sens pour pouvoir enchaı̂ner.
On fait réapparaı̂tre ce maximum, en utilisant l’inégalité précédente dans le cas
particulier s = βn.
On a donc
      
Sn βn
P ≥ a ≤ exp −n `a = exp (−nh(a, p)) = exp −n sup(at − ln ϕ(t))
n n t>0

5. On suppose dans cette question que a < p , (donc 1 − a > 1 − p).

a) Les valeurs de n − Sn sont n − Sn (Ω) = [[0, n]]

Corrigé ESSEC 2005 4/13

 et pour tout k ∈ [[0, n]] :
 
n
P (n − Sn = k) = P (Sn = n − k) = pn−k (1 − p)k
n−k
 
n n−k
= p (1 − p)k
k

Donc n − Sn ,→ B (n, 1 − p)
On peut aussi concrétiser cela en disant que : Sn est le nombre de succès en n
expériences indépendantes donc n − Sn est le nombre de non-succès : d’échecs en n
expériences indépendantes, la probabilité d’échec étant 1 − p.
b) On se ramène au cas précédent :

   
Sn Sn
≤a = −1≤a−1
n n
 
Sn − n
= ≤a−1
n
 
n − Sn
= ≤1−a
n
n−Sn
Donc en appliquant le résultat précédent à Tn = n
qui suit B (n, 1 − p)on a
 
Sn
P ≤a = P (Tn ≥ 1 − a) ≤ e−nh(1 − a, 1 − p)
n
reste à voire, que h (1 − a, 1 − p) = h (a, p) :
   
p−1 a
h(a, p) = (a − 1) ln − a ln
a−1 p
donc
 
p 1−a
h(1 − a, 1 − p) = (a) ln − (1 − a) ln
a 1−p
   
p−1 a
= (a − 1) ln − a ln = h(a, p)
a−1 p

et enfin que cette valeur est le maximum de `a sur R−

 

Sn
 −n sup(at − ln ϕ(t))
P ≤a ≤e t>0 = e−nh(1 − a, 1 − p) = e−nh(a, p)
n

6. Soit ε > 0.
Sn Sn Sn




a) L’événement n
− p ≥ ε s’écrit : n
−p≥ε ∪ n
− p ≤ − ε (incompatibles
car ε > 0 )
Sn
− p ≥ ε = Snn ≥ ε + p



• avec n
Sn
≥ ε + p ≤ e−nh(p + ε, p) car a = ε + p > p


et P n

Corrigé ESSEC 2005 5/13

 Sn
− p ≤ − ε = Snn ≤ − ε + p



• De même n
P Snn ≤ − ε + p ≤ e−nh(p − ε, p) car a = p − ε < p

Donc P Snn − p ≥ ε ≤ e−nh(p + ε, p) + e−nh(p − ε, p)

Comme h(p + ε, p) ≥ min (h(p − ε, p), h(p + ε, p)) alors

−n h(p + ε, p) ≤ −n min (h(p − ε, p), h(p + ε, p))
et e−n h(p + ε, p) ≤ e−n min (h(p − ε, p), h(p + ε, p))
et de même e−nh(p − ε, p) ≤ e−n min (h(p − ε, p), h(p + ε, p))
Finalement
 
Sn
P −p ≥ε ≤ 2e−n min (h(p − ε, p), h(p + ε, p))
n
b) Comme min (h(p − ε, p), h(p + ε, p)) > 0 (h est strictement positive) alors
e−n min (h(p − ε, p), h(p + ε, p)) → 0 quand n → +∞ et par encadrement (une
probabilité est toujours positive)
 
Sn
Conclusion : lim P − p ≥ ε = 0 résultat que l’on connaissait déjà car
n→+∞ n
p = E (X)

7. Une entreprise souhaite acquérir une machine qui fabrique un certain type d’objets et qui,
en fonctionnement normal, produit une proportion p, (0 < p < 1), d’objets défectueux.
Le directeur veut connaı̂tre la valeur de p. Pour cela il teste la machine et prélève un
échantillon de n, (n ≥ 1), objets qu’il analyse. Pour tout i ∈ [[1, n]], soit Xi la variable
aléatoire de Bernoulli définie par

1 si le ième objet est défectueux
Xi =
0 sinon
On suppose que dans les conditions de prélèvement, les variables aléatoires X1 , . . . , Xn
sont indépendantes.
Pn
E (S n ) E (Xi ) nE (X)
a) On a E (Fn ) = E Snn = = i=1


= =p
n n n
Et Fn n’est fonctions que des Xi donc
Sn
Conclusion : Fn = est un estimateur sans biais de p
n
b) Le risque quadratique est :
rn = E (Fn − p)2 = E (Fn − E (Fn ))2

 

= V (Fn )
1
= V (Sn )
n2
n
1 X
= V (Xi ) car les Xi sont indépendantes
n2 i=1
1
= p (1 − p)
n
et donc
Conclusion : lim rn = 0
n→+∞

Corrigé ESSEC 2005 6/13

 8. Soit α un réel de ]0, 1[. On souhaite déterminer dans cette question un intervalle de
confiance du paramètre p inconnu, au niveau de confiance 1 − α, à partir de l’échantillon
(X1 , . . . , Xn ).

a) Comme p = E (Xi ) et que V (Xi ) = p (1 − p) alors la moyenne centrée réduite est

!
 Pn
i=1 Xi
 q √ Fn − p
n
− p / p(1−p)
n
= np
p(1 − p)
!
√ Fn − p
Les Xi étant indépendants, la loi limite de np est une loi normale,
p(1 − p) n∈N∗
centrée réduite.
b) Soit fn la réalisation de Fn sur l’échantillon considéré. Soit tα le réel défini par
α
Φ(tα ) = 1 − , où Φ désigne la fonction de répartition de la loi normale centrée,
2
réduite.
La définition d’un intervalle de confiance de p au niveau 1 − α est donné par [Un , Vn ]
tel que
P (Un ≤ p ≤ Vn ) ≥ 1 − α
On vérifie cela avec
tα tα
Un = fn − √ , Vn = fn + √
2 n 2 n

 
tα tα
(Un ≤ p ≤ Vn ) = fn − √ ≤ p ≤fn + √
2 n 2 n
 
tα tα
= − √ ≤fn − p ≤ √
2 n 2 n
√

= |fn − p| 2 n ≤ tα

Il faut ici connaı̂tre la majoration classique sur p ∈ ]0, 1[ : p (1 − p) ≤ 41

1
donc p(1−p) ≥ 4 et 2 ≤ √ 1 donc
p(1−p)
√
n √
si p |Fn − p| ≤ tα alors |fn − p| 2 n ≤ tα et donc
p(1 − p)
√ !
√
n
P |fn − p| 2 n ≤ tα ≤ P p |Fn − p| ≤ tα = Φ (tα ) − Φ (−tα )
p(1 − p)
≤ 2Φ (ta ) − 1 = α

Conclusion : [Un , Vn ] est bien un intervalle de confiance de niveau de confiance 1 − α

Un exemple continu.
Z +∞
1. Déterminer l’ensemble D des réels α pour lesquels l’intégrale tα−1 e−t dt est conver-
0
gente.
R +∞ α−1 −t
0
t e dt est impropre en 0 et en +∞

Corrigé ESSEC 2005 7/13

 • En +∞ on a : tα−1 e−t = tα−1 e−t/2 e−t/2 = o e−t/2 car tα−1 e−t/2 = tα−1 /et/2 → 0

quand t → +∞
R +∞ R +∞
Et comme 0 e−t/2 dt converge alors par majoration de fonctions positives, 0 tα−1 e−t dt
converge en +∞
R1
• En 0 : tα−1 e−t ∼ tα−1 car e−t → 1 et comme 0 tα−1 dt converge pour α − 1 > −1 et
diverge sinon alors
R +∞
Conclusion : 0
tα−1 e−t dt converge si et seulement si α > 0
Pour tout α ∈ D, on pose Z +∞
Γ(α) = tα−1 e−t dt
0
R +∞
2. On a Γ (α + 1) = 0
tα e−t dt
que l’on intègre par partie : u (t) = tα : u0 (t) = αuα−1 : v 0 (t) = e−t : v (t) = −e−t avec u
et v C 1 sur ]0, +∞[

Z b b
Z b
t e dt = −e−t tα a −
α −t
−α tα−1 e−t dt

a a
Z b
−b α −a α
= −e b + e a + α tα−1 e−t dt
a
→ α Γ (α − 1) quand a → 0 et b → +∞

Conclusion : Γ (α + 1) = αΓ (α)
On aura Γ (n + 1) = nΓ (n) d’où, par récurrence Γ (n) = (n − 1)!Γ (1)
Avec Z +∞
Γ (1) = e−t dt = 1 (loi exponentielle de paramètre 1)
0

Conclusion : Γ(n) = (n − 1)! pour n ∈ N∗ .


1 α−1 −t
t e
 si t > 0
3. Soit α ∈ D fixé. Montrer que la fonction fα définie sur R par fα : t → Γ {α}
 0 si t ≤ 0
est une densité.
R +∞
f est continue sur R∗ , positive et −∞ f est impropre en 0, ±∞.
R0 R0 R +∞ 1
R +∞ α−1 −t Γ(a)
−∞
f = −∞ 0 = 0 et 0 f = Γ(α) 0
t e dt = Γ(α) =1
Donc f est bien une densité de probabilité.
On dira qu’une variable aléatoire X de densité fα est une variable aléatoire qui suit une
loi γ(α).
On admettra que si X, Y sont deux variables aléatoires indépendantes, X suivant une loi
γ(α) et Y suivant une loi γ(β), alors X + Y suit une loi γ(α + β).
On admettra également que, sous les mêmes hypothèses sur X et Y , on a E(XY ) =
E(X)E(Y ).

Corrigé ESSEC 2005 8/13

 4. a) Soit X une variable aléatoire réelle, suivant une loi γ(α).
R +∞
E(X) = −∞ tfα (t) dt si elle converge. (impropre en ±∞ et 0 )
R0
−∞
tfα (t) dt = 0
R +∞ R +∞ 1 R +∞ α −t
0
tf α (t) dt = 0 Γ(α)
t tα−1 −t
e dt = 1
Γ(α) 0
t e dt = Γ(a+1)
Γ(α)
= αΓ(a)
Γ(α)
=α
Conclusion : E (X) = α
Soit (Xn )n≥1 une suite de variables aléatoires indépendantes de même loi que X. Pour
Xn
tout n ≥ 1, on note Sn = Xi .
i=1
b) La loi de Sn est γ (α + · · · + α) = γ (n α) car les Xi sont indépendantes.
On détermine la fonction de répartition G de Snn :
G (x) = P Snn ≤ x = P (Sn ≤ n x) = F (n x) avec F la fonction de répartition de

Sn .
Donc G est continue sur R et de classe C 1 sur R∗ (là où la densité de γ (n α) est
continue)
et la densité de Snn est :

g (x) = G0 (x) = nF 0 (n x) = n fnα (n x) =

( n
tn α−1 e−n x si x > 0
= Γ (n α)
0 si x ≤ 0
Z +∞
5. a) e sX
admet une espérance si est fα (t) dt converge absolument (ssi converge sim-
−∞
plement car la fonction est positive)
1 α−1 st −t 1 α−1 (s−1)t
Pour t > 0 : est fα (t) = t e e = t e
Γ {α} Γ {α}
dont l’intégrale convergera en +∞ pour s−1 < 0 (même découpage de l’exponentielle
que dans l’introduction)
Donc I = ]−∞, 1[
On pose alors ϕ(s) = E(esX )


b) Comme est fα (t) ≥ 0 alors son intégrale sur R est E esX ≥ 0
Pour étudier la convexité, on peut revenir à la définition (cordes au dessus
de la courbe)
Cela donne une démonstration compliquée :
Pour la convexité, comme on ne peut pas passer ici par la dérivée seconde, on revient
à la définition : les cordes sont au-dessus de la courbe.
Soit a < b < −1 et t ∈ [a, b]
y − ϕ (a) ϕ (b) − ϕ (a)
L’équation de la droite par (a, ϕ (a)) et(b, ϕ (b)) est : = ou
x−a b−a
y − ϕ (a) = ϕ(b)−ϕ(a)
b−a
(x − a)
Il faut prouver que la courbe est sous la corde, donc que pour tout x ∈ [a, b] :

ϕ (b) − ϕ (a)
ϕ (x) ≤ (x − a) + ϕ (a)
b−a
Or, la fonction exponentielle étant convexe on a :

Corrigé ESSEC 2005 9/13

 pour tout x ∈ [a, b] :
ebt − eat
ext ≤ (x − a) + eat
b−a
et en multipliant par fα (t) ≥ 0

ebt fα (t) − eat fα (t)

ext fα (t) ≤ (x − a) + eat fα (t)
b−a

Donc en intégrant sur R (par apport à t) on a le résultat voulu.

Conclusion : la fonction ϕ est positive et convexe sur son domaine de définition I.
Ou on peut expliciter ϕ(s) = E(esX ) en faisant sortir s de l’intégrale :
Idée non suggérée ... on transforme l’intégrale par le changement de variable
u
(1 − s) t = u ⇐⇒ t = 1−s avec 1 − s > 0 (au lieu de (s − 1) t = u pour l’ordre des
bornes)
L’intégrale étant impropre en 0 et +∞
1
dt = 1−s du : u = 0 ⇐⇒ t = M : u = M/ (1 − s) : (→ +∞ quand M → +∞)

Z M Z M/(1−s)
 α−1
1 α−1 (1−s)t 1 u 1
t e dt = e−u du
ε Γ {α} ε/(1−s) Γ {α} 1 − s 1−s
Z M/(1−s)
1 1
= α uα−1 e−u du
(1 − s) ε/(1−s) Γ {α}
1
→ quand ε → 0 et M → +∞
(1 − s)α
Z +∞
1
car M/ (1 − s) → +∞ et ε/ (1 − s) → 0 et que uα−1 e−u du = 1
0 Γ {α}
1 −α
Conclusion : ϕ (s) = α = (1 − s) pour s < 1
(1 − s)
ϕ est deux fois dérivable sur ]−∞, 1[ et ϕ0 (s) = −α (1 − s)−α−1 × −1 = α (1 − s)α−1
ϕ00 (s) = α (α + 1) (1 − s)−α−2 > 0
Conclusion : ϕ est convexe sur ]−∞, 1[
c) Soit s ∈ I.
s s
s
Pn s
S n Q Xi
On a S
n n
= donc e n = e n
i=1 n Xi et les (Xi ) étant indépendantes,
s ! s ! s ! s !
Sn Qn Xi X i X
E en = i=1 E e n = (ϕ(s/n))n carE e n = E en = ϕ(s/n)

s !
Sn
Conclusion : E en = (ϕ(s/n))n .

Sn
6. En utilisant le théorème de transfert avec la variable n
de densité g ,
pour s ∈ I

Corrigé ESSEC 2005 10/13

 Z +∞
s Snn
E(e ) = est g (t) dt
Z0 a Z +∞
st
= e g (t) dt + est g (t) dt
Z0 +∞ a

≥ est g (t) dt
a

et comme s ≥ 0 on a est ≥ ea t sur [a, +∞[ et

Z +∞ Z +∞ Z +∞
st sa sa
e g (t) dt ≥ e g (t) dt = e g (t) dt
a a a
 
Sn
≥ ea s P ≥a
n

donc pour s ∈ I ∩ R+
Sn
 
s
 
a s Sn
E e n  ≥ e P ≥a
n

puis que pour tout s ∈ I ∩ R−

Z a
s Snn
E(e )≥ est g (t) dt
0

et comme s ≤ 0 alors est ≤ ea t si t ∈ [0, a] donc

Z a Z a
s Snn sa a s
(e ) ≥ e g (t) dt = e g (t) dt
0 0
 
a s Sn
≥ e P ≤a
n

7. Soit a ∈ R∗+ , a 6 =α. Pour tout s ∈ I, on pose

`a : s 7−→ as − ln ϕ(s) = as + α ln (1 − s)

`a est dérivable sur I et

−1
`0a (s) = a + α
(1 − s)
a (1 − s) − α
=
1−s
a − α − as
=
1−s

Le numérateur (affine) de ϕ0 s’annule en s = a−α

a
=1− α
a
<1

• En −∞ : `a (s) = as + α ln (1 − s) → +∞ car α et a sont strictement positifs.

• En 1 : as + α ln (1 − s) → +∞ car α > 0

Corrigé ESSEC 2005 11/13

 s −∞ 1 − αa 1
a − α − as + 0 − affine
ϕ0 (s) —— + 0 − ——
ϕ (s) ——−∞ % + & −∞——
Une valeur remarquable est `a (0) = 0
α
Donc que le maximum 1 − a
soit avant ou après 0, ϕ y est positive strictement

8. Pour tout a ∈ R∗+ , on pose

h(a) = sup `a (s)
s∈I

On a donc
 α  α α
h(a) = `a 1 − =a 1− + α ln
a   a a
α
= a − α + α ln
a
α
Comme en 0, `a (0) = 0, alors son maximum (1 − a
6= 0 )est strictement positif.
Conclusion : si a 6 =α, alors h(a) > 0.

9. Pour tout n ∈ N∗ , (X1 , X2 , . . . , Xn ) est un n échantillon de la loi de X. On pose Sn =

Xn
Xi .
i=1

a) Soit s tel que 0 < s < n

s !
Sn
On a vu que E e n = (ϕ(s/n))n

On applique la méthode utilisée précédemment en découpant le calcul de l’espérance

suivant que : ns > a ou< a

s ! na
s na
s
Sn t t
Z Z
E e n = n
e g (t) dt + e n g (t) dt
0 0
s
na t
Z
t
≥ e n g (t) dt et comme ≥ a
n
Z0 na Z na
≥ eas g (t) dt = aas g (t) dt
0 0
 
as Sn
≥ a P (Sn ≥ na) = P ≥a
n

et finalement  
Sn
P ≥a ≤ (ϕ(s/n))n e−as
n
b) L’inégalité précédente étant vraie pour tout s, elle l’est en particulier pour la valeur
minimale et donc  
Sn
P ≥ a ≤ inf e−as (ϕ(s/n))n
n 0<s<n

Corrigé ESSEC 2005 12/13

 c) On remarque d’abord que

e−as (ϕ(s/n))n = e−as + n ln (ϕ (s/n))

= e−`a (s/n)

Pour a > α on a 1 − αa > 0 donc le maximum de `a est sur I ∩ R∗+ = ]0, 1[

L’inégalité P Snn ≥ a ≤ (ϕ(s/n))n e−as est donc vraie en particulier pour s = 1 −


α
a
∈ ]0, 1[ donc
 
  −n sup (at − ln ϕ(t))
Sn
P ≥a ≤e t∈I∩R+
= e−nh(a)
n
α
d) Si a < α alors 1 − < 0 et comme le maximum est sur ∩R−
a
 
  −n sup (at − ln ϕ(t))
Sn
P ≤a ≤e t∈I∩R−
= e−nh(a)
n

e) Soit ε > 0. On décompose l’inégalité sur la valeur absolue en deux inégalité sur
Sn /n :      
Sn Sn Sn
−α ≥ε = ≥α+ε ∪ ≤α−ε
n n n
les deux étant incompatibles :
     
Sn Sn Sn
P −α ≥ε =P ≥α+ε + P ≤α−ε
n n n

Sn
≥α+ε ≤ e−nh(α + ε) et P Snn ≤α−ε ≤ e−nh(α − ε) qui sont tous



avec P n
deux inférieur à e−nH(α, ε) (où H(α, ε) = min ((h(α − ε), h(α + ε)) ) et
 
Sn
P − α ≥ ε ≤ 2e−nH(α, ε)
n

Corrigé ESSEC 2005 13/13