Vous êtes sur la page 1sur 7

Universit Pierre et Marie Curie Probabilits et statistiques - LM345

2012-2013 Feuille 5 (semaine du 15 au 19 octobre 2012)

Variables alatoires : loi et esprance (suite).


1. Loi gaussienne Rappeler la densit de la loi N (, 2 ). Soit X N (, 2 ), quelle . En dduire comment simuler une gaussienne quelconque partir dune est la loi de X loi centre rduite. 2. Soit X une variable alatoire. Dterminer pour quelles valeurs de R la variable e est intgrable et calculer E[eX ] dans chacun des cas suivants : a) X suit la loi uniforme sur un intervalle [a, b], b) X suit la loi exponentielle de paramtre > 0, c) X suit la loi normale N (0, 1).
X

Solution de lexercice 2. a) Pour tout R, la variable alatoire eX est borne (lorsque X suit une loi uniforme sur [a, b]), et donc intgrable. De plus,
b

E[eX ] =
a

1 b a (b a)1 ex dx = ((b a))1 [ex ]b a = ((b a)) [e e ].

b)
+

E [eX ] =
0

e()x dx =

+ si , si < .

c) Pour la loi normale, en faisant le changement de variable y = x , il vient x x2 /2 = y 2 /2 + 2 /2 et on trouve ainsi 1 2


+

exx

2 /2

1 dx = 2

ey

2 /2+2 /2

dy = e

2 /2

3. Soit X N (0, 1). Dterminer la loi de exp X . Cette loi sappelle la loi log-normale, car cest la loi dune variable alatoire dont le logarithme suit une loi normale. Solution de lexercice 3. Soit g : R R une fonction continue borne. Calculons E[g (eX )]. 1 E[g (eX )] = 2 1 = 2
+ +

g (ex )e 2 dx g (ex )e 2 (log(e


1 x ))2

x2

ex ex dx.

Lapplication x ex est un C 1 -diomorphisme de R dans R + . On change de variable en posant t = ex et on trouve 1 E[g (eX )] = 2
+ 0

g (t)e 2 (log(t))

1 dt. t

La loi de eX est donc absolument continue par rapport la mesure de Lebesgue, de densit e 2 (log(t)) feX (t) = 1R (t). + 2t 4. a) Soit X une variable alatoire valeurs dans N. Montrer que si X 2 est intgrable, alors X est intgrable. Ce rsultat reste-t-il vrai si lon suppose que la loi de X admet une densit ? b) Soit m 1 un entier. Donner un exemple dune variable alatoire X valeurs dans N telle que X k soit intgrable pour tout k compris entre 1 et m et E[X m+1 ] = +. Solution de lexercice 4. a) En utilisant lingalit |x| 1 + x2 valable pour tout rel x et la positivit de lesprance, on obtient que E[|X |] 1 + E[X 2 ], ce qui prouve que le rsultat, sans hypothse sur la variable alatoire relle X autre que lexistence dun moment dordre 2. En particulier cest vrai si X est densit.
1 b) Notons, pour tout s > 1, (s) = n1 n s . Considrons une variable alatoire X : (, F , P) N telle que pour tout n 1 on ait
1 2

P(X = n) = Alors dune part, E[X m ] = 1 (m + 2)

1 1 . m (m + 2) n +2

n1

1 (2) = < +, 2 n (m + 2)

donc X admet un moment dordre m et, dautre part, E[X m+1 ] = 1 (m + 2) 1 = +, n

n1

donc X nadmet pas de moment dordre m + 1. 1 1 . 1 + t2 a) Montrer que f est la densit dune mesure de probabilits sur R. Soit X une variable alatoire dont la loi admet la densit f . 5. On considre la fonction f : R R dnie par f (t) = 2

b) La variable alatoire X est-elle intgrable ? c) Calculer la fonction de rpartition de X . d) Calculer la loi de Y = arctan(X ). La loi considre dans cet exercice sappelle la loi de Cauchy standard. Solution de lexercice 5. a) On eectue le changement de variable t = arctan x, et, comme arctan = il vient + 1 /2 f (x)dx = d = 1. /2 f est donc la densit dune probabilit. b)
x 1+x2 1 , 1+arctan2

x nest pas intgrable au voisinage de linni, et donc X nest pas intgrable.

c) Par le changement de variable du a), on obtient


a

P(X a) =

f (x)dx =

arctan a

d =
/2

1 [arctan a + /2].

d) Soit b [/2, /2]. On a, toujours par le mme calcul,


tan b

P(Y b) = P(X tan b) =

1 f (x)dx =

d =
/2

b 1 + . 2

Y suit donc la loi uniforme sur [/2, /2].

6. Soit X une variable alatoire qui suit la loi normale N (0, 1). Montrer que pour tout n N, la variable alatoire X n est intgrable et calculer E[X n ]. Vrier que pour tout n 0, E[X n ] est le nombre de manires dapparier n points, cest--dire le nombre de partitions de lensemble {1, . . . , n} par des paires. Solution de 2lexercice 6. La densit de la loi normale centre rduite est la fonction x x2 1 n f (x) = 2 e 2 . On sait que pour tout n 1, la fonction x |x| e 2 tend vers 0 lorsque x tend vers + ou . Soit n 1 un entier. Puisque x |x|n+2 e 2 tend vers
1 n 2 0 en linni, on a |x|n e 2 = O( x dx 2 ) en + et , si bien que lintgrale |x| e converge. La loi normale centre rduite admet donc des moments de tous les ordres. Pour tout n 0, posons
x2 x2

x2

1 mn = 2

xn e 2 dx.

x2

Si n est impair, mn est lintgrale dune fonction intgrable impaire, donc mn = 0. Ceci peut se vrier en faisant le changement de variable y = x qui donne la relation mn = mn . 3

Pour n = 0, m0 est lintgrale de la densit dune loi de probabilits, donc m0 = 1. Soit n 2 un entier pair. On crit n = 2p. Une intgration par parties donne, pour tout R > 0, 1 2
+R R
x2 1 x2p e 2 dx = 2

+R R

x2p1 xe 2 dx
u
2 x 2

x2

v R

1 x2p1 e = 2

1 + (2p 1) R 2

+R R

x2p2 e 2 dx.

x2

En faisant tendre R vers +, on trouve la relation m2p = (2p 1)m2p2 , quon rsout en p)! m2p = (2p 1)(2p 3) . . . 3.1. Ce nombre est souvent not (2p)!! et vaut (2 . 2p p! Finalement, les moments de la loi normale centre rduite sont donns par n 1, mn = 0 (2p)!! =
(2p)! 2p p!

si n est impair, si n = 2p.

Pour apparier n points, il faut choisir avec lequel des n 1 autres lments apparier le premier, puis il en reste n 2 apparier pour lesquels on procde de mme. On obtient la mme quation de rcurrence que prcdemment, avec une unique possibilit si n = 2 et aucune si n est impair. Le nombre de manire dapparier n points est donc gal au moment dordre n de la loi normale.

7. Soit > 0 un rel. Soit X une variable alatoire de loi exponentielle de paramtre . Montrer que pour tout entier n 1, la variable alatoire X n est intgrable et calculer E[X n ]. Donner une interprtation combinatoire de ce nombre lorsque = 1. Solution de lexercice 7. Pour n = 0, on a videmment E[X 0 ] = 1. Soit n 1. On intgre par parties (en drivant le monme et en primitivant lexponentielle) :
+

E[X ] =
0

x e

n x

xn ex dx =

+n
0 0

xn1 ex dx =

n E[X n1 ].

En raisonnant par rcurrence, on obtient immdiatement E[X n ] = n!n . Pour = 1, E[X n ] = n! est le nombre de bijections dun ensemble ayant n lments dans lui mme.

8. Soit > 0 un rel. Soit X une variable alatoire de loi de Poisson de paramtre . Montrer que pour tout entier k 1, la variable alatoire X (X 1) . . . (X k + 1) est intgrable et calculer son esprance. Calculer E[X m ] pour m {1, 2, 3, 4} et vrier que pour chacune de ces valeurs de m, E[X m ] est le nombre de partitions dun ensemble m lments lorsque = 1. On peut dmontrer que cette assertion est vraie pour tout m 1.

Solution de lexercice 8. Yk := X (X 1) . . . (X k + 1) est une variable alatoire positive, on peut donc calculer son esprance (ventuellement innie, auquel cas elle nest pas intgrable). En utilisant le fait que Yk = 0 lorsque X = 0, . . . , k 1, on obtient E[Yk ] = e
ik

i(i 1) . . . (i k + 1)i = e k i!

i k

ik = k < +. (i k )!

On sait que les Yk permettent de retrouver les X k par combinaison linaire (famille chelonne de polynmes, mme si ici X dsigne une variable alatoire et pas une indtermine). On trouve, en identiant les coecients X = Y1 , X 2 = Y2 + Y1 , X 3 = Y3 + 3X 2 2X = Y3 + 3Y2 + Y1 ,

X 4 = Y4 + 6X 3 11X 2 + 6X = Y4 + 6Y3 + 7X 2 6X = Y4 + 6Y3 + 7Y2 + Y. On prend maintenant les esprances et on utilise la relation E[Yk ] = k calcule plus haut pour obtenir les premiers moment de X : E[X ] = , E[X 2 ] = 2 + , E[X 3 ] = 3 + 32 + , E[X 4 ] = 4 + 63 + 72 + .

Pour = 1, on obtient E[X ] = 1, E[X 2 ] = 3, E[X 3 ] = 5, E[X 4 ] = 15.

On constate que pour ces 4 valeurs, E[X m ] est le nombre de partitions dun ensemble m lments, et mme que le coecient devant k est celui des partitions de cet ensemble en k sous-ensembles. Par exemple pour m = 4, on a : pour k = 4, une seule partition (compose de 4 singletons), pour k = 3, 6 partitions (composes dune paire et de deux singletons), pour k = 2, 7 partitions (3 composes de deux paires et 4 composes dun brelan et dun singleton) et enn pour k = 1 une seule (rduite lensemble total). 9. Ingalit de Markov Soit X : (, F , P) R une variable alatoire. Soit a > 0 un nombre rel. E(|X |) . a) Montrer que P(|X | a) a b) Que peut-on dire de la proportion de la population qui gagne plus de dix fois le salaire moyen ? Solution de lexercice 9. a) On vrie facilement que pour tout , a1{|X ()|a} |X ( )|. Par positivit de lesprance, on obtient en intgrant : aP(|X | a) E(|X |). Il sut de diviser par a pour obtenir lingalit demande. 5

b) En considrant que X est le salaire, et en choisissant a = 10E(|X |), on dduit de lingalit de Markov que la proportion de la population qui gagne plus de dix fois le salaire moyen est infrieure 1/10.

10. Montrer quune variable alatoire positive dont lesprance est nulle est nulle presque srement. Solution de lexercice 10. Soit X : (, F , P) R+ une variable alatoire relle positive. Il sagit de montrer que si E[X ] = 0, alors P(X > 0) = 0. Pour tout n 1, dnissons 1 un vnement An F en posant An = {X n }. La suite dvnements (An )n1 est croissante et vrie n1 An = {X > 0}. On en dduit que P(X > 0) est la limite des 1 ) lorsque n tend vers linni. P( X n
1 En applicant lingalit de Markov, on obtient alors P(X n ) nE(X ) = 0 do 1 P(X n ) = 0 pour tout n et en passant la limite, P(X > 0) = 0.

11. Soient , > 0 deux rels. On considre lensemble = N2 , la tribu F = P (N2 ) et, sur lespace mesurable (, F ), la probabilit P caractrise par (n, m) N2 , P({(n, m)}) = e(+) n m . n! m!

Enn, sur (, F , P), on dnit les deux variables alatoires X (n, m) = n et Y (n, m) = m. a) Vrier que P() = 1. b) Dterminer la loi de X et la loi de Y . c) Dterminer la loi de X + Y . Solution de lexercice 11. a) On peut sommer la srie double (car termes positifs) dans lordre de son choix, par exemple en m puis en n. En reconnaissant le dveloppement de lexponentielle de , on obtient : P({n, m}) = e
m1

n n!

e
m1

m n = e , m! n! n = 1. n!
n

et donc on a bien : P({n, m}) =


n1 m1 n1

b) Daprs le calcul prcdent, P(X = n) = m1 P({n, m}) = e , donc X suit la n! loi de Poisson de paramtre . Un calcul analogue montre que Y suit la loi de Poisson de paramtre . 6

c) Dterminons la loi de X + Y . Soit k N. Alors


k k

P(X + Y = k ) =
n=0

P({n, k n}) =
n=0

e(+)

n kn n! (k n)! + )k . k!

= e(+)

1 k!

k n k kn Ck = e(+) n=0

X + Y suit donc la loi de Poisson de paramtre + .