Théorème de représentation de Skorokhod

Cet article est une ébauche concernant les probabilités et la statistique.

Vous pouvez partager vos connaissances en l’améliorant (comment ?) selon les recommandations des projets correspondants.

En théorie des probabilités, le théorème de représentation de Skorokhod montre qu'une suite de variables aléatoires convergeant en loi peut toujours, en un certain sens, être représentée par une suite de variables aléatoires convergeant presque sûrement. Ce théorème porte le nom du mathématicien ukrainien A.V. Skorokhod.

Énoncé

Illustration du théorème de représentation de Skorokhod

Soit ( X n ) n 1 {\displaystyle (X_{n})_{n\geq 1}} une suite de variables aléatoires à valeurs dans un espace topologique S {\displaystyle S} de Lusin. Supposons que X n {\displaystyle X_{n}} converge en loi vers une variable aléatoire X {\displaystyle X} à valeurs dans S {\displaystyle S} quand n + {\displaystyle n\to +\infty } . Alors il existe un espace probabilisé ( Ω , A , P ) {\displaystyle (\Omega ,{\mathcal {A}},\mathbb {P} )} et des variables aléatoires Y n {\displaystyle Y_{n}} , Y {\displaystyle Y} définies sur cet espace probabilisé ( Ω , A , P ) {\displaystyle (\Omega ,{\mathcal {A}},\mathbb {P} )} telles que :

  • pour chaque entier n {\displaystyle n} , Y n {\displaystyle Y_{n}} et X n {\displaystyle X_{n}} ont même loi ;
  • les variables aléatoires Y {\displaystyle Y} et X {\displaystyle X} ont même loi ;
  • Y n {\displaystyle Y_{n}} converge ( Ω , A , P ) {\displaystyle (\Omega ,{\mathcal {A}},\mathbb {P} )-} presque sûrement vers Y {\displaystyle Y} .

Démonstration dans le cas réel

Dans cette section, on suppose que S {\displaystyle S} est la droite réelle. On note F n {\displaystyle F_{n}} la fonction de répartition de X n {\displaystyle X_{n}} , et on note F {\displaystyle F} la fonction de répartition de X {\displaystyle X} , et on considère les réciproques généralisées de F {\displaystyle F} et F n {\displaystyle F_{n}} , définies, pour ω {\displaystyle \omega } dans ] 0 , 1 [ {\displaystyle ]0,1[} , par

Y ( ω ) = inf { x R   |   F ( x ) ω } , et Y n ( ω ) = inf { x R   |   F n ( x ) ω } . {\displaystyle {\begin{aligned}Y(\omega )&=\inf \left\{x\in \mathbb {R} \ |\ F(x)\geq \omega \right\},\\{\textrm {et}}&\quad \\Y_{n}(\omega )&=\inf \left\{x\in \mathbb {R} \ |\ F_{n}(x)\geq \omega \right\}.\end{aligned}}}

De plus, on pose

Z ( ω ) = inf { x R   |   F ( x ) > ω } et C   =   { ω ] 0 , 1 [ | Y ( ω ) < Z ( ω ) } . {\displaystyle Z(\omega )=\inf \left\{x\in \mathbb {R} \ |\ F(x)>\omega \right\}\quad {\textrm {et}}\quad C\ =\ \left\{\omega \in ]0,1[\,|\,Y(\omega )<Z(\omega )\right\}.}

L'idée est que la convergence de F n {\displaystyle F_{n}} vers F {\displaystyle F} entraîne la convergence des réciproques généralisées correspondantes :

Lemme —  C {\displaystyle C} est au plus dénombrable.

Démonstration

En effet, si ω 1 C , {\displaystyle \omega _{1}\in C,} alors F {\displaystyle F} est constant sur l'intervalle I ( ω 1 )   =   ] Y ( ω 1 ) , Z ( ω 1 ) [ ,   {\displaystyle I(\omega _{1})\ =\ ]Y(\omega _{1}),\,Z(\omega _{1})[,\ } égal à ω 1 {\displaystyle \omega _{1}} sur I ( ω 1 ) . {\displaystyle I(\omega _{1}).} Si, de plus, ω 2 C , {\displaystyle \omega _{2}\in C,} et ω 2 > ω 1 , {\displaystyle \omega _{2}>\omega _{1},} alors, par croissance de F {\displaystyle F} , Z ( ω 1 ) Y ( ω 2 ) , {\displaystyle Z(\omega _{1})\leq Y(\omega _{2}),} de sorte que les intervalles I ( ω 1 ) {\displaystyle I(\omega _{1})} et I ( ω 2 ) {\displaystyle I(\omega _{2})} sont disjoints et non vides. Si on choisit arbitrairement un rationnel r ( ω ) {\displaystyle r(\omega )} dans chaque intervalle I ( ω ) {\displaystyle I(\omega )} non vide, on définit ainsi une application r {\displaystyle r} de C {\displaystyle C} dans Q , {\displaystyle \mathbb {Q} ,} strictement croissante : r ( ω 1 )   <   r ( ω 2 ) , {\displaystyle r(\omega _{1})\ <\ r(\omega _{2}),} donc injective. Ainsi r {\displaystyle r} établit une bijection entre C {\displaystyle C} et une partie de Q . {\displaystyle \mathbb {Q} .}

Lemme — Pour ω C , {\displaystyle \omega \notin C,}

lim n Y n ( ω )   =   Y ( ω ) . {\displaystyle \lim _{n}Y_{n}(\omega )\ =\ Y(\omega ).}
Démonstration

En effet, pour ω C , {\displaystyle \omega \notin C,} on a

{ Y ( ω ) < z } { ω < F ( z ) } , {\displaystyle \{Y(\omega )<z\}\Rightarrow \{\omega <F(z)\},}

puisque, pour tout ω ] 0 , 1 [ ,   {\displaystyle \omega \in ]0,1[,\ } on a { Z ( ω ) < z } { ω < F ( z ) } . {\displaystyle \{Z(\omega )<z\}\Rightarrow \{\omega <F(z)\}.} On sait que l'ensemble D {\displaystyle D} des points de discontinuités de F {\displaystyle F} est au plus dénombrable et que, pour x {\displaystyle x} hors de D {\displaystyle D} ,

lim n F n ( x )   =   F ( x ) . {\displaystyle \lim _{n}F_{n}(x)\ =\ F(x).}

Ainsi, pour tout ε > 0 , {\displaystyle \varepsilon >0,} on peut trouver z D c ] Y ( ω ) , Y ( ω ) + ε [ .   {\displaystyle z\in D^{c}\cap ]Y(\omega ),Y(\omega )+\varepsilon [.\ } Pour ce choix de z {\displaystyle z} lim n F n ( z )   =   F ( z ) , {\displaystyle \lim _{n}F_{n}(z)\ =\ F(z),} donc, à partir d'un certain rang, { ω < F n ( z ) } , {\displaystyle \{\omega <F_{n}(z)\},} et, en conséquence, { Y n ( ω ) z } . {\displaystyle \{Y_{n}(\omega )\leq z\}.} On en déduit que pour tout ε > 0 , {\displaystyle \varepsilon >0,}

lim sup n Y n ( ω )   <   Y ( ω ) + ε , {\displaystyle \limsup _{n}Y_{n}(\omega )\ <\ Y(\omega )+\varepsilon ,}

ce qui entraîne

lim sup n Y n ( ω )     Y ( ω ) . {\displaystyle \limsup _{n}Y_{n}(\omega )\ \leq \ Y(\omega ).}

Par ailleurs, pour ω ] 0 , 1 [ , {\displaystyle \omega \in ]0,1[,} on a { Y ( ω ) > y } { ω > F ( y ) } . {\displaystyle \{Y(\omega )>y\}\Rightarrow \{\omega >F(y)\}.} Mais, pour tout ε > 0 ,   {\displaystyle \varepsilon >0,\ } on peut trouver y D c ] Y ( ω ) ε , Y ( ω ) [ . {\displaystyle y\in D^{c}\cap ]Y(\omega )-\varepsilon ,Y(\omega )[.} Pour ce choix de y {\displaystyle y} , lim n F n ( y )   =   F ( y ) , {\displaystyle \lim _{n}F_{n}(y)\ =\ F(y),} donc, à partir d'un certain rang, { ω > F n ( y ) } , {\displaystyle \{\omega >F_{n}(y)\},} et, en conséquence, { Y n ( ω ) y } . {\displaystyle \{Y_{n}(\omega )\geq y\}.} On en déduit que pour tout ε > 0 , {\displaystyle \varepsilon >0,}

lim inf n Y n ( ω )   >   Y ( ω ) ε , {\displaystyle \liminf _{n}Y_{n}(\omega )\ >\ Y(\omega )-\varepsilon ,}

ce qui entraîne

lim inf n Y n ( ω )     Y ( ω ) . (CQFD) {\displaystyle \liminf _{n}Y_{n}(\omega )\ \geq \ Y(\omega ).\quad {\textrm {(CQFD)}}}

On conclut en remarquant, à l'aide du théorème de la réciproque, que Y n {\displaystyle Y_{n}} et X n {\displaystyle X_{n}} ont même loi, mais aussi que Y {\displaystyle Y} et X {\displaystyle X} ont même loi.

Voir aussi

Références

  • (en) L. C. G. Rogers (en) et David Williams (en), Diffusions, Markov Processes, and Martingales, vol. 1 : Foundations, Cambridge, CUP, coll. « Cambridge Mathematical Library », , 2e éd., 406 p. (ISBN 0-521-77594-9 et 978-0521775946), chap. 6 (« Probability measures on Lusin spaces, section 86 : The Skorokhod representation of Cb(S) convergence on Pr(S) »), p. 215-216.
  • (en) Patrick Billingsley (de), Convergence of Probability Measures, New York, John Wiley & Sons, Inc., , 277 p. (ISBN 0-471-19745-9), p. 70.
v · m
Index du projet probabilités et statistiques
Théorie des probabilités
Bases théoriques
Principes généraux
Convergence de lois
Calcul stochastique
Lois de probabilité
Lois continues
Lois discrètes
Mélange entre statistiques et probabilités
Interprétations de la probabilité
Théorie des statistiques
Statistiques descriptives
Bases théoriques
Tableaux
Visualisation de données
Paramètres de position
Paramètres de dispersion
Paramètres de forme
Statistiques inductives
Bases théoriques
Tests paramétriques
Tests non-paramétriques
Application
  • icône décorative Portail des probabilités et de la statistique