Académique Documents
Professionnel Documents
Culture Documents
ARTHUR CHARPENTIER
Les lments de rponse sont donns titre indicatif, pour justifier la rponse. Des
statistiques sur les diffrentes rponses sont mentionnes pour chaque question.
1
1 La fonction de densit de la loi marginale X est fX (x) = x + , 0 < x < 1. La
2
x+y
fonction de densit de la loi conditionnelle Y |X = x est fY |X=x (Y |X = x) =
,
x + 12
0 < y < 1. Trouver la fonction de densit de la loi marginale Y .
1
x+y
+y
B)
C) 1 + y
D) y
E) 3y 2
2
y + 21
On va utiliser la formule des probabilits totales, qui nous dit que
Z
Z
fY (y) = fX,Y (x, y)dx = fY |X (y|x)fX (x)dx
A)
(en utilisant ensuite la formule de Bayes). Aussi, pour tout y [0, 1], comme
le couple (X, Y ) prend ses valeurs sur lensemble du carr unit [0, 1] [0, 1]
Z 1
x+y
1
fY (y) =
dx
1 x+
2
0 x+ 2
soit
1
1
x2
=y+
fY (y) =
[x + y]dx = y +
2 0
2
0
On note quil sagit bien dune densit sur [0, 1] puisque cette fonction est
Z
20
40
60
80
100
vide
densit de Y
fX,Y (x, y)
fX,Y (x, y)
=R
fY (y)
f (u, y)dy
[0,1] X,Y
(en utilisant pour le terme de droite la formule des probabilits totales). Bon,
en fait a ne mamuse pas de faire les calculs, mais a se fait.
20
40
60
80
100
vide
0
sinon.
Trouver E[Y X].
A) 0.4
B) 1.25
C) 1.25
D) 0.32
E) 0.4
L encore, les variables sont indpendantes, et suivent des lois exponentielles, puisque
fX,Y (x, y) = 0.8e(0.8)x 1(x [0, )) 0.4e(0.4)y 1(y [0, ))
|
{z
} |
{z
}
densit de X
densit de Y
Lindpendance ne va pas vraiment nous servir, car lesprance est un oprateur linaire. Aussi E[Y X] = E[Y ] E[X]. Par contre, le fait davoir
reconnu des lois exponentielles va nous aider ici. Rappelons que X a pour
moyenne 0.81 , et que Y a pour moyenne 0.41 . Bref,
E[Y X] =
10 10
10 5
5
=
=
4
8
4
4
soit ici
Z
E[Y X] =
0
[y x](0.32) e(0.8)x
(0.4)y
dxdy,
L encore, il faut faire des calculs... Bon courage... (ce nest pas un cours de
20
40
60
80
100
vide
B) 2y 2
C) y 2
D)
E) 4 y
Cette fois, les lois ne sont plus indpendantes. Mais la formule des probabilits totales marche toujours. Pour tout y [0, 1]
Z
Z y
y
fY (y) = fX,Y (x, y)dx =
4xdx = 2 x2 0
0
20
40
60
80
100
1 2t
e + et + 1 + et + e2t .
5
Trouver P (X 0 | X 6= 1 ou 1).
A)
3
5
B)
1
2
C)
1
3
D)
2
5
E)
2
3
vide
etx
x{2,1,0,1,2}
1
5
Bref, X prend ces 5 valeurs de manire quiprobable. Donc ici, on veut calculer
P(X {0, 1, 2}|X {2, 0, 2}) =
soit ici
P(X {0, 1, 2}|X {2, 0, 2}) =
20
40
60
80
100
vide
xyz
108
pour x = 1, 2, 3 ;
y = 1, 2, 3 ;
z = 1, 2.
yz
yz
yz
yz
yz
B)
C)
D)
E)
108
36
18
9
3
Cest toujours pareil. On peut facilement crire la fonction de probabilit
A)
comme un produit de fonction de probabilits, ce qui va nous donner lindpendance, et les loi marginales (et finalement les lois des couples aussi), et
P(X = x, Y = y, Z = z) scrit
x
y
x
1(x {1, 2, 3})
1(y {1, 2, 3})
1(z {1, 2})
|1 + 2 + 3 {z
} |1 + 2 + 3 {z
} |1 + 2 {z
}
f.d.p. de X
f.d.p. de Y
f.d.p. de Z
x
yz
y
1(y {1, 2, 3})
1(z {1, 2}) =
|1 + 2 + 3 {z
} |1 + 2 {z
} 18
f.d.p. de Y
f.d.p. de Z
P(Y = y, Z = z, X = 3)
y,z P(Y = y, Z = z, X = 3)
20
40
60
80
100
etc.
vide
7 Soit X et Y deux v.a. discrtes dont la distribution conjointe est donne par
le tableau :
X
0
Y
B) 0.052
C) 0.092
D) 0.151
E) 0.252
0.052
1.1 0.72 0.4 0.42
20
40
60
80
100
10
vide
fX,Y (x, y) =
15y pour 0 x2 y x 1
0
sinon.
1
2
pour
x)
B) 15(x
x)
C) 1
D) 2x
E)
2
21
On est sur une surface un peu tordue, et on na clairement pas indpendante entre les variables. On va utiliser la formule de Bayes, et la formule des
probabilites totales, pour crire
fX|Y (x|y) =
fX,Y (x, y)
fX,Y (x, y)
=R
fY (y)
fX,Y (u, y)du
en prenant soit dtre chaque fois sur les bons ensembles. A gauche, si y = 1/2
11
Aussi
fX|Y (x|y) =
15y
1
=
15y [ y y]
[ y y]
20
40
60
80
100
vide
E[X|Y = y] = 3y
et Var[X|Y = y] = 2
C) 9
E) 3
Trouver Var[X].
A) 20
B) 11
D) 5
12
E[X ] =
[3y]2 + 2 ey dy = = 20
Aussi
Var(X) = E[X 2 ] E[X]2 = 20 32 = 11,
qui est la rponse B. On peut aussi noter que Y suit une loi exponentielle de
moyenne et de variance 1. La formule de dcomposition de la variance. En
effet,
Var(X) = E[Var(X|Y )] + Var(E[X|Y ])
Comme on connait les moments conditionnels et quon a not que Y suivait
une loi exponentielle de paramtre 1, on va y arriver. En effet,
Var(X) = E[2] + Var(3Y ) = 2 + 32 Var(Y ) = 2 + 9 = 11.
| {z }
20
40
60
80
100
vide
13
10 Pour une assurance, la perte X (en milliers de dollars) suit une loi de fonction
de densit fX (x) =
3x2
8
t/3
1 3x2
dx
3x t 8
20
40
60
80
100
vide
14
i.e.
Z
2x
P(X < 1) =
0
1
3
3 2 x3
1
xdydx = x
=
4
4
4 0 2
20
40
60
80
100
vide
2 +2t
et MY (t) = e3t
2 +7t
A) e12t
2 +3t
2 +2t
B) 3e4t
C) 3et
2 +t
15
2 +6t
+ e3t
D) e9t
2 +t
+ e3t
2 +7t
E) e6t
Il suffit dcrire
M3X+Y (t) = E(et[3X+Y ] ) = E(et[3X] ) E(et[Y ] ) = E(e[3t]X] ) E(et[Y ] )
par indpendance, et donc M3X+Y (t) = MX (t)3 MY (t). Aussi
2
2
2
2
(3t)2 +2(3t)
M3X+Y (t) = e
e3t +t = e(9t +6t)+(3t +t) = e12t +7t .
On retrouve la rponse A. Cela dit, comme on a forcment M3X+Y (0) = 1, il
fallait exclure demble B, C, et D. Ce qui faisait que, sans faire aucun calcul,
20
40
60
80
100
vide
trice des moments de la somme est le produit des deux fonctions gnratrices
16
MY (t) = E(e Y ) =
0
1 ex/m
etm 1
dx =
m m
tm
(oui, je ne connais pas les fonctions gnratrices des moments par coeur...).
Quand on fait le produit, on obtient
MX+Y (t) = MX (t) MY (t) =
etm 1
tm + m2 t2
20
40
60
80
100
vide
0
sinon.
Trouver la probabilit conditionnelle P (X < 1 | Y < 1).
17
1
3
49
6
7
B)
C)
D)
E)
2
4
64
7
8
On va utiliser le fait que
Z Z
E[g(X, Y )] =
g(x, y)fX,Y (x, y)dxdy
A)
avec ici deux fonctions possibles g(x, y) = 1(X < 1, Y < 1) et g(x, y) = 1(Y <
1). La probabilit conditionnelle sera alors le ratio des deux intgrales.
Pour le dnominateur,
Z 1Z
P(Y < 1) =
0
2y
3
7
(2 x y)dxdy = =
4
8
et pour le numrateur
Z
3
3
(2 x y)dxdy = =
4
7
(je passe un peu les calculs, qui nont pas grand intrt...ce sont juste des
calculs dintgrales, comme on en a fait plusieurs en cours), et donc
P(X < 1|Y < 1) =
3/4
6
= ,
7/8
7
20
40
60
80
100
vide
18
15 Toutes les rclamations sont de montants gaux 2 et le nombre N de rclamations suit une loi de Poisson de paramtre . Cependant est lui-mme
alatoire et suit une loi exponentielle de moyenne 2.
Trouver la variance de la rclamation totale S = X1 + X2 + + XN .
A) 24
B) 12
C) 8
D) 6
E) 4
20
40
60
80
100
vide
19
le refaire... Il faut noter que la loi est un peu singulire : elle nest ni continue,
ni discrte. Il suffit de faire un dessin pour sen rendre compte,
20
P(X > x)
ex /3
= 0 = ex
P(X >)
e /3
e(t1)x dx =
1
1t
Aussi,
MX (t) =
1
1
3 2t
2
1+
=
,
3
3 1t
3 3t
20
40
60
80
100
vide
0
sinon.
Trouver E[X 2 + Y 2 ].
21
13
14
4
11
2
B)
C)
D)
E)
15
15
5
15
3
On utilise toujours la mme formule,
Z Z
Z 1Z 1
3
[x2 + y 2 ] (x2 + y 2 )dxdy
E[g(X, Y )] =
g(x, y)fX,Y (x, y)dxdy =
2
0
0
A)
i.e.
Z Z
3 1 1 2
E[X + Y ] =
(x + y 2 )2 dxdy
2 0 0
On va devoir dvelopper,
Z Z
Z
3 1 1 4
3 11 2 2
2
2
2 2
4
E[X + Y ] =
x + 2x y + y dxdy =
+ y + y 4 dy
2 0 0
2 0 5 3
2
soit finallement
E[X 2 + Y 2 ] =
14
15
20
40
60
80
100
vide
18 Les dures de vie future (en annes) dun homme et de son pouse sont des
variables alatoires continues, indpendantes et uniformment distribues sur
lintervalle [0, 50]. Trouver la probabilit que lpouse survivra dau moins 5
ans son mari.
22
A) 0.35
B) 0.405
C) 0.435
D) 0.475
E) 0.49
On nous dit que X U([0, 50]) et Y U([0, 50]) avec X et Y indpdendantes. Et on veut P(Y X > 5). Sur un dessin, on voit que lon cherche la
probabilit dappartenir au triangle ci-dessous
23
et donc
Z Z
E[g(X, Y )] =
50
50
1(y > x + 5)
1 1
dxdy
50 50
20
40
60
80
100
etc...
vide
E) 71
24
n{0,1,2}
Reste remplacer par des chiffres, en notant que les probabilits P(N = n)
sont toutes gales,
Var(S) =
13 200
213
+
=
= 71
3
3
3
20
40
60
80
100
vide
25
1
1
3
2
5
B)
C)
D)
E)
6
3
5
3
6
Pour toute fonction g(, ) (telle que lintgrale existe),
Z Z
Z 1Z 1
g(x, y)dxdy
E[g(X, Y )] =
g(x, y)fX,Y (x, y)dxdy =
A)
x2 /2
dydx
soit
Z
P(X 2Y ) =
0
x2
1
dx =
2
23
3x2 dx =
1 3 1 1
x 0=
6
6
20
40
60
80
100
vide
26
1
1
1
1
B)
C) 0
D)
E)
2
3
3
2
Ecrivons les paires possibles pour (X, Y ), et les probabilits associes
A)
1
1
1
+2 +3 =2
3
3
3
alors que
E(X 2 ) = E(Y 2 ) = 1
1
1
1
14
+ 2 2 + 32 =
3
3
3
3
2
2
2
11
+3 +6 =
6
6
6
3
11
3
14
3
22
1/3
1
=
=
2
2/3
2
2
par symtrie du problme. Or, comme on vient de le voir, Var(X) = 2/3 donc
X,Y = 1/2. Cest plus joli comme preuve, non ?
27
20
40
60
80
100
vide
22 Soit X une variable alatoire dont la srie gnratrice des moments est MX (t) =
e3t (1 t2 )1 . Trouver X /E[X].
A) 0.125
B) 0.333
C) 0.471
D) 0.500
E) 0.667
e3 t
1 t2
et
1
= 1 + t2 + t6 + t8 +
1 t2
(on reconnait la srie gomtrique). Je vais loin dans mes dveloppement, mais
en fait, on peut se limiter la puissance 2. Aussi, quand on fait le produit,
e3 t
9
= 1 + (3) t + 1 +
t2 + ) t3
1 t2
2
28
9
= (3) 1 + 2 1 +
2
et
MX00 (t)
9
1 + 3 2 ( ) t + et donc MX00 (0) = 11.
=2 1+
2
Maintenant, on fait que E(X) = MX0 (0) et E(X 2 ) = MX00 (0). Aussi,
p
20
40
60
80
100
vide
29
1
1
1
1
B)
C) 0
D)
E)
144
12
12
144
On va utiliser le fait que cov(X, Y ) = E(XY ) E(X)E(Y ). Compte tenu de
A)
la symmtrie, E(X) = E(Y ), donc il suffit de calculer une des deux esprances,
pour commencer
2 1
Z
Z 1
u
1
(x + u)du = x +
fX (x) = fX,Y (x, u)du =
=x+
2 0
2
0
de telle sorte que
Z 1
Z
E(X) =
xfX (x)dx =
0
soit
Z
E(XY ) =
0
i.e.
3 2 1
x
7
x x
x + dx =
+ =
2
3 4
12
0
2
Z
0
1
dy =
0
y y2
dy
3 2
1
y2
y3
1
E(XY ) =
+
+ =
32 23 0 3
Aussi, finallement,
xy(x + y)dxdy =
0
x3 y x2 y 2
+
3
2
cov(X, Y ) =
72
48 49
1
1
2 =
=
3 12
144
144
x2 y + xy 2 dxdy
20
40
60
80
100
30
vide
B) 1 ln 2
A) ln 2
D) 1/2
E) 1/4
Y sachant X = x suit une loi uniforme, sur [x, 1] et X suit une loi uniforme
sur [0, 1]. On va utiliser
Z Z
Z Z
E[g(X, Y )] =
g(x, y)fX,Y (x, y)dxdy = E[g(X, Y )] =
g(x, y)fY |X (y|x)fX (x)dxdy
avec ici g(x, y) = 1(x + y 1)) = 1(y 1 x)) =. Si on commence par
intgrer sur x,
1
1x
P (X + Y 1) =
fY |X (y|x)fX (x)dydx
0
soit
Z
P (X + Y 1) =
0
1x
1(1 x x)
1dydx.
1x
31
i.e.
P (X + Y 1) = 1 [log(1 x)]01/2 = 1 log 2
20
40
60
80
100
vide
Bon, on ne va pas y passer des heures. Lide est ici de conditionner par N ,
A)
B)
en notant que
Var[T ] = Var[E(T |N )] + E(Var[T |N ])
aussi, ici
E(T |N ) = E(X1 + . . . + XN |N ) = N E(Xi )
32
et
Var[T |N ] = Var[X1 + . . . + XN |N ] = N Var[Xi ]
Donc en prenant la variance, et lesprance, respectivement
Var[E(T |N )] = Var[N E(Xi )] = E(Xi )2 Var[N ]
et
E(Var[T |N ]) = E(N Var[Xi ]) = E(N ) Var[Xi ].
Aussi, en regroupant
Var[T ] = E(Xi )2 Var[N ] + E(N ) Var[Xi ].
On utilise alors les proprits de la loi de Poisson (E(N ) = Var[N ] = ) et de
la loi exponentielle (E(N ) = 1 et Var[N ] = 2 ), et en substituant
Var[T ] = (1 )2 + 2 = 21
20
40
60
80
100
vide