Travaux dirigés de Probabilités Master 1 Mathématiques, année ...
Travaux dirigés de Probabilités Master 1 Mathématiques, année ...
Travaux dirigés de Probabilités Master 1 Mathématiques, année ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
<strong>Travaux</strong> <strong>dirigés</strong> <strong>de</strong> <strong>Probabilités</strong><br />
<strong>Master</strong> 1 <strong>Mathématiques</strong>, <strong>année</strong> 2009/2010,<br />
Feuille 3<br />
Indépendance.<br />
Exercice 1 (La non corrélation n’implique pas l’indépendance). Soit (X, Y ) un couple <strong>de</strong><br />
variables aléatoires prenant les valeurs (1, 0), (−1, 0), (0, 1) et (0, −1) avec égale probabilité.<br />
Calculer E(X), E(Y ), V(X), V(Y ) et Cov(X, Y ). Les variables X et Y sont elles corrélées ?<br />
Indépendantes ?<br />
Exercice 2 (L’indépendance <strong>de</strong>ux à <strong>de</strong>ux n’implique pas l’indépendance mutuelle). Soient X<br />
et Y <strong>de</strong>ux variables aléatoires indépendantes prenant les valeurs 1 et −1 avec égale probabilité.<br />
On pose Z = XY . Montrer que les variables X, Y et Z sont <strong>de</strong>ux à <strong>de</strong>ux indépendantes mais<br />
pas mutuellement indépendantes.<br />
Exercice 3 (Stabilité <strong>de</strong> loi binomiale). (1) Montrer que la somme <strong>de</strong> n variables aléatoires<br />
X1, . . . , Xn indépendantes et <strong>de</strong> même loi <strong>de</strong> Bernouilli B(p) suit une loi binomiale<br />
B(n, p).<br />
(2) Soient Y1, . . . , Ym <strong>de</strong>s variables aléatoires indépendantes telles que, pour i = 1 . . . m, la<br />
variable Yi suive une loi binomiale B(ni, p), avec ni ≥ 1. Quelle est la loi <strong>de</strong> la somme<br />
Y1 + · · · + Ym ?<br />
Exercice 4. Deux joueurs A et B jouent une suite <strong>de</strong> parties indépendantes. Lors <strong>de</strong> chacune<br />
d’elles, ils ont respectivement les probabilités p pour A et q = 1 − p pour B <strong>de</strong> gagner. Le<br />
vainqueur final est celui <strong>de</strong>s <strong>de</strong>ux joueurs qui le premier obtient <strong>de</strong>ux victoires <strong>de</strong> plus que<br />
son adversaire. Quelle est la probabilité que A soit vainqueur ?<br />
Indication : après <strong>de</strong>ux parties, ou bien il y a un vainqueur, ou bien les <strong>de</strong>ux joueurs sont à<br />
égalité et le jeu recommence à l’i<strong>de</strong>ntique ; le résultat du jeu se déci<strong>de</strong> par séquences <strong>de</strong> <strong>de</strong>ux<br />
parties.<br />
Exercice 5. Soient X1, . . . , Xn <strong>de</strong>s variables indépendantes <strong>de</strong> même loi exponentielle <strong>de</strong><br />
paramètre 1. Montrer que les variables X1, . . . , Xn sont presque sûrement toutes distinctes.<br />
On pose<br />
Z = min<br />
1≤i≤n Xi et N = min{1 ≤ i ≤ n : Xi = Z} .<br />
Déterminer la loi <strong>de</strong> Z. Établir que pour tout 1 ≤ k ≤ n et tout t > 0,<br />
P(N = k, Z > t) = e −nt /n .<br />
En déduire que les variables aléatoires Z et N sont indépendantes et préciser la loi <strong>de</strong> N.<br />
Exercice 6 (L’indépendance n’est pas toujours évi<strong>de</strong>nte). Soient X et Y <strong>de</strong>ux variables<br />
aléatoires indépendantes <strong>de</strong> même loi gaussienne standard.<br />
(1) Donner la <strong>de</strong>nsité du couple (X, Y ).<br />
(2) On pose U = X2 +Y 2<br />
2 et V = X2<br />
X 2 +Y 2 . Montrer que le couple (U, V ) admet la <strong>de</strong>nsité<br />
f(u, v) = 1<br />
π e−u<br />
1<br />
1 ]0,∞[(u) 1 ]0,1[(v) .<br />
v(1 − v)<br />
(3) Quelle est la loi <strong>de</strong> U ? Et celle <strong>de</strong> V ? Les variables U et V sont-elles indépendantes ?<br />
1
2<br />
Exercice 7 (Stabilité <strong>de</strong> la loi gamma). Soient X et Y <strong>de</strong>ux variables indépendantes. On<br />
suppose que X suit une loi gamma γ(a, l) et Y suit une loi gamma γ(b, l). On pose U = X +Y .<br />
(1) Montrer que pour toute fonction h borélienne positive, on a<br />
E(h(U)) = Cla+b<br />
Γ(a)Γ(b)<br />
∞<br />
h(u)u<br />
0<br />
a+b−1 e −lu du ,<br />
avec C = 1<br />
0 xa−1 (1 − x) b−1 dx.<br />
(2) En déduire la loi <strong>de</strong> U et la valeur <strong>de</strong> la constante C.<br />
Exercice 8 (Renouvellement exponentiel ; nombre <strong>de</strong> renouvellements). Soit (Xn)n≥1 une<br />
suite <strong>de</strong> variables aléatoires indépendantes <strong>de</strong> même loi exponentielle <strong>de</strong> paramètre λ. Pour<br />
tout n ≥ 1, on pose Tn = X1 + · · · + Xn.<br />
(1) Montrer que Tn possè<strong>de</strong> la <strong>de</strong>nsité<br />
gn(x) =<br />
λn<br />
(n − 1)! xn−1 e −λx 1 ]0,+∞[(x) .<br />
(2) Pour t > 0 et n ≥ 1, calculer P(Tn ≤ t < Tn+1).<br />
(3) Des clients arrivent aléatoirement dans un magasin. On suppose que les intervalles <strong>de</strong><br />
temps entre <strong>de</strong>s arrivées successives sont <strong>de</strong>s variables aléatoires indépendantes <strong>de</strong> loi<br />
exponentielle <strong>de</strong> paramètre λ. On note Nt le nombre <strong>de</strong> clients arrivés avant l’instant<br />
t. Donner la loi Nt.<br />
Exercice 9 (Retour sur la loi binomiale). Calculer la fonction caractéristique d’une loi binomiale<br />
B(n, p). Retrouver les résultats <strong>de</strong> l’exercice 3 en utilisant les fonctions caractéritiques.<br />
Exercice 10 (Stabilité <strong>de</strong> la loi <strong>de</strong> Poisson). Calculer la fonction caractéristique d’une loi <strong>de</strong><br />
Poisson <strong>de</strong> paramètre λ. Soient X1, . . . , Xn <strong>de</strong>s variables aléatoires indépendantes telles que,<br />
pour i = 1 . . . n, la variable Xi suive une loi <strong>de</strong> Poisson <strong>de</strong> paramètre λi. Quelle est la loi <strong>de</strong><br />
X1 + · · · + Xn ?<br />
Exercice 11 (Vecteurs gaussiens). On rappelle que la fonction caractéristique d’une loi normale<br />
N (0, 1) est la fonction t ↦→ exp(−t 2 /2).<br />
(1) Calculer la fonction caractéristique d’une loi normale N (m, σ 2 ).<br />
(2) Soient X1, . . . , Xn <strong>de</strong>s variables indépendantes telles que, pour i = 1 . . . n, la variable<br />
Xi suive une loi normale N (mi, σ2 i ). Calculer la fonction caractéristique <strong>de</strong> la variable<br />
X1 + · · · + Xn. Quelle loi reconnaît-on ?<br />
(3) On dit d’un vecteur aléatoire X = (X1, . . . , Xn) qu’il est gaussien si toute combinaison<br />
linéaire <strong>de</strong> ses coordonnées suit une loi normale.<br />
(a) Donner un exemple <strong>de</strong> vecteur gaussien.<br />
(b) On note m = (E(X1), . . . , E(Xn)) le vecteur espérance <strong>de</strong> X et Γ = (Cov(Xi, Xj))1≤i,j≤n<br />
la matrice <strong>de</strong> covariance <strong>de</strong> X. Montrer que la fonction caractéristique φX du vecteur<br />
gaussien X est donnée par<br />
∀t ∈ R d <br />
, φX(t) = exp i〈 t, m 〉 − 1<br />
<br />
〈 t, Γt 〉 .<br />
2<br />
(c) La loi d’un vecteur gaussien X est caractérisée par son vecteur moyenne et sa<br />
matrice <strong>de</strong> covariance. En déduire que les coordonnées d’un vecteur gaussien sont<br />
indépendantes si et seulement si elles sont <strong>de</strong>ux à <strong>de</strong>ux <strong>de</strong> covariance nulle.