Variables tronquées corrélées

Arrggg, je suis pas doué pour construire des exemples à la main. J'aimerais votre aide pour trouver deux variables aléatoires réelles $X,Y$ positives et décorrélées, telles que $X.1_{X\leq n}$ et $Y.1_{Y\leq n}$ soient corrélées (pour tout $n\geq 1$, ou au moins pour tout $n$ assez grand).

Intuitivement j'arrive à voir comment je pourrais faire. Je prends $X,Y$ à valeurs entières, et j'essaye de faire en sorte que $\sum_{i,j\geq 0}ij p_{i,j} = \sum_{i\geq 0} ip_i\sum_{j\geq 0} jp_j$, tout en ayant pour tout $n\geq 1$ $\sum_{i,j \leq n}ij p_{i,j} \neq \sum_{i \leq n} ip_i\sum_{j\leq n} jp_j$, avec $\sum_{i,j\geq 0} p_{i,j}=1$ évidemment.

Probablement qu'on peut même restreindre une des deux variables à être à valeurs dans $\{0,1\}$.

J'en suis au stade de la bidouille, mon cerveau n'est pas entraîné pour trouver ce genre d'exemples ...

Si vous pouvez me passer un coup de main ;-)

Réponses

  • @skyffer,

    Est-ce vraiment $Y1_{X\leq n}$(et pas $Y1_{Y\leq n}$) ?
  • Non c'est une coquille, merci c'est corrigé ;-)
  • Un petit up.

    Par le théorème de convergence monotone, si $X.1_{X\leq n}$ et $Y.1_{Y\leq n}$ sont décorrélées pour tout $n$ assez grand, alors $X$ et $Y$ le sont aussi.

    Mais la réciproque n'a aucune raison d'être vraie, donc on devrait pouvoir construire l'exemple recherché.
  • Merci de t'intéresser au problème.

    J'ai pas très bien compris. Si $X$ et $Y+Z$ sont indépendantes alors $X.1_{X\leq n}$ et $(Y+Z).1_{Y+Z\leq n}$ aussi.
  • J'aurais peut-être dû effacer toute référence aux probas et poster l’énoncé suivant en analyse :-D

    Existe-t-il une suite double $p_{i,j} \geq 0$ telle que $\sum_{i,j\geq 0} p_{i,j}=1$, et $\sum_{i,j\geq 0}ij p_{i,j} = \sum_{i\geq 0} ip_i\sum_{j\geq 0} jp_j$, et pour tout $n\geq 1$, $\sum_{i,j \leq n}ij p_{i,j} \neq \sum_{i \leq n} ip_i\sum_{j\leq n} jp_j$.

    J'attends de voir si on trouve une solution ici, sinon j'essayerai de berner les analystes 8-)
  • As-tu essayé de prendre $Y$ de la forme $\mathbb 1_A$ où $A$ est un événement tel que $E[X \mid A] = E[X]$ ?
    Par exemple, quelque chose comme « $X$ est pair » avec $X$ de loi géométrique de paramètre adéquat.
  • J'avais rien testé jusqu'à présent parce que je voyais pas comment partir. Là j'ai essayé ton exemple mais je m'en sors pas trop.

    Je note $p$ le paramètre de la loi géométrique de $X$, et $q$ le paramètre de la loi de Bernoulli de $Y$.

    Alors $\mathbb E(Y)=q$, $\mathbb E(X)=1/p$.

    $$\mathbb E(XY) = \sum_n 2n \mathbb P(X=2n) = \sum_n 2n p(1-p)^{2n-1} = \dfrac{2p(1-p)}{(1-(1-p)^2)^2}$$

    Je pose donc $q = \dfrac{2p^2(1-p)}{(1-(1-p)^2)^2}$, qui est bien entre $0$ et $1$, et alors on a bien $\mathbb E(XY) = \mathbb E(X)\mathbb E(Y)$.

    Maintenant $\mathbb E(X\vert A) = \mathbb E(XY)/\mathbb P(A) =\mathbb E(XY)/p$, donc pour que ce soit égal à $\mathbb E(X)$, il faut et il suffit que $$\dfrac{1}{p} = \dfrac{2(1-p)}{(1-(1-p)^2)^2},$$ qui a bien une solution entre $0$ et $1$. Mais je n'ai pas compris quel intérêt on a de vouloir ça.

    $\mathbb E(X.1_{X\leq n}) = p\sum_{k=1}^n k(1-p)^{k-1}$, et $\mathbb E(Y.1_{Y\leq n}) = q$.

    $\mathbb E(X.1_{X\leq n}Y.1_{\leq n}) = \mathbb E(XY.1_{X\leq n}) = p\sum_{k=1}^{[n/2]} 2k(1-p)^{2k-1}$.

    Je suis pas sûr d'être sur la bonne voie.
  • Ah mais moi aussi je suis optimiste, cf mon premier post où je dis qu'on peut très probablement restreindre une des deux variables à une Bernoulli. C'est juste que j'arrive pas à construire l'exemple pour le moment :-(
  • Soit $Y_1$ telle que $\Pr(Y_1>y_1) =e^{-y_1-1}$ . Soit $Y_{-1}$ uniforme sur $[-1,1].$ Soit $X$ telle que $\Pr(X=\pm 1)=1/2.$ Soit $Y=Y_X$. Alors $(X,Y)$ convient.
  • Merci de ton aide P.

    Tes variables ne sont pas à valeurs positives, pour $X$ ça se rattrape mais pour $Y$ c'est plus problématique.
  • Mea culpa, j'espérais que les calculs seraient assez simples avec une loi géométrique. Voici quelque chose de plus simple pour me rattraper :

    Soit $X$ à valeurs dans $\N$, de support infini, telle que $E(X) = 1$ et $P(X=1) \neq 0$ (par exemple de loi de Poisson), et soit $Y = \mathbf 1_{X = 1}$. On a trivialement $E(XY) = E(Y)$ et de même $E(X\mathbf 1_{X \leq n}Y \mathbf 1_{Y \leq n}) = E(Y)$ pour tout $n \geq 1$.

    Ainsi $E(XY) = E(X)E(Y)$ car $E(X)=1$. Mais, pour tout $n \geq 1$, on a $E(X\mathbf 1_{X \leq n}Y\mathbf 1_{Y \leq n}) \neq E(X\mathbf 1_{X \leq n}) E(Y\mathbf 1_{Y \leq n})$ puisque $E(X\mathbf 1_{X \leq n}) \neq 1$ alors que $E(Y\mathbf 1_{Y \leq n}) = E(Y) = P(X=1)$ n'est pas nul.
  • Pas positives d'accord, mais comme elles ont a support $\geq -1$ et que la correlation est invariante par translation....
  • Oui P je n'avais pas fait gaffe que $Y$ était aussi à support $\geq -1$. Ton exemple a l'air de marcher avec des calculs faciles.

    Merci Siméon, ton exemple répond parfaitement à mes attentes. C'est toujours simple quand on le voit mais avant de l'avoir vu ...

    Merci à tous d'avoir répondu à mon problème, j'étais sûr qu'on pouvait exhiber un exemple facilement, mais impossible pour moi de démarrer convenablement.
Connectez-vous ou Inscrivez-vous pour répondre.