Vous êtes sur la page 1sur 6

Université Pierre et Marie Curie Année 2013-2014

L3 - Mathématiques Probabilités - LM390

Corrigé des exer i es de la feuille no 5

Exer i e 1. 1) Puisque X et Y sont entrés, les données de l'énon é entraînent que Var(X) = 4
et que Var(Y ) = 1. Il reste à déterminer Cov(X, Y ). Puisque les v.a. 2X + Y et X − 3Y sont
indépendantes, leur ovarian e est nulle. Don

0 = Cov(2X + Y, X − 3Y ) = 2Var(X) − 3Var(Y ) − 5Cov(X, Y ),

e qui donne Cov(X, Y ) = 1 et


4 1
 
K(X,Y ) = .
1 1

2) Toute ombinaison linéaire de X + Y et 2X − Y est aussi une ombinaison linéaire de X et


Y , don 'est une gaussienne, puisque le ve teur (X, Y ) est gaussien. On peut aussi dire que le
ve teur (X + Y, 2X − Y ) est gaussien puisqu'il est l'image par une appli ation linéaire du ve teur
gaussien (X, Y ). En eet
X +Y 1 1 X X
      
= =A .
2X − Y 2 −1 Y Y
Pour obtenir sa matri e de ovarian e, on al ule su essivement

Var(X + Y ) = Var(X) + Var(Y ) + 2Cov(X, Y ) = 4 + 1 + 2 = 7,

Var(2X − Y ) = 4Var(X) + Var(Y ) − 4Cov(X, Y ) = 16 + 1 − 4 = 13


et
Cov(X + Y, 2X − Y ) = 2Var(X) − Var(Y ) + Cov(X, Y ) = 8 − 1 + 1 = 8.
On a don
7 8
 
K(X+Y,2X−Y ) = .
8 13
Remarque : On peut aussi é rire K(X+Y,2X−Y ) = A K(X,Y ) tA et ee tuer le produit de ma-
tri es.

Exer i e 2. 1) On pro ède omme à la question 1 de l'exer i e 1 : par exemple, le ve teur (U, V )
est l'image par une appli ation linéaire (de IR3 dans IR2 ) du ve teur gaussien (X, Y, Z).
2) Puisque le ve teur (U, V ) est gaussien, on sait d'après le ours que les v.a. U et V sont in-
dépendantes si et seulement si Cov(U, V ) = 0, 'est-à-dire si et seulement si Var(X) − Var(Y ) +
Cov(X, Z) − Cov(Y, Z) = 0.

Exer i e 3. 1) Puisque X est entré, sa matri e de ovarian e est


a b
 
K= ,
b c
et sa fon tion ara téristique est
1 t1
  
1 2 2
ϕ(t1 , t2 ) = exp − (t1 , t2 )K = e− 2 (at1 +2bt1 t2 +ct2 ) .
2 t2

1
2) D'après le ours, ette loi possède une densité si et seulement si K est inversible, 'est-à-dire
si et seulement si ac − b2 6= 0, et dans e as sa densité est
1 1t 1 − 1
(cx2 −2bx1 x2 +ax22 )
e− 2 xK x = √
−1
f (x1 , x2 ) = √ e 2(ac−b2 ) 1 .
2π det K 2π ac − b2

Remarque : On a ac − b2 ≥ 0 puisqu'une matri e de ovarian e est toujours symétrique pos-


itive, ou bien en appliquant l'inégalité de S hwarz |E(X1 X2 )|2 ≤ E(X12 )E(X22 ). Don , s'il y a
une densité, on a ac − b2 > 0.

Exer i e 4. Les ombinaisons linéaires des omposantes du ve teur (X +2Y +Z, 2X −Y +Z +2)
sont de la forme λ(X + 2Y + Z) + µ(2X − Y + Z + 2) = (λ + 2µ)X + (2λ − µ)Y + (λ + µ)Z + 2µ.
Puisque le ve teur (X, Y, Z) est gaussien, elles sont don de la forme N + C , où N est une v.a.r.
gaussienne et C une onstante. Or, si N est gaussienne, alors N +C est gaussienne, don le ve teur
(X + 2Y + Z, 2X − Y + Z + 2) est gaussien. On a E(X + 2Y + Z) = E(X) + 2E(Y ) + E(Z) = 4 et
E(2X − Y + Z + 2) = 4. Puisque le ve teur (X, Y, Z) est gaussien et que sa matri e de ovarian e
est diagonale, les v.a.r. X , Y et Z sont indépendantes. Don

Var(X + 2Y + Z) = Var(X) + 4Var(Y ) + Var(Z) = 12,

Var(2X − Y + Z + 2) = Var(2X − Y + Z) = 4Var(X) + Var(Y ) + Var(Z) = 12


et
Cov(X + 2Y + Z, 2X − Y + Z + 2) = 2Var(X) − 2Var(Y ) + Var(Z) = 2.
Con lusion :
X + 2Y + Z 4 12 2
     
∼N , .
2X − Y + Z + 2 4 2 12
On peut aussi remarquer que

X X
   
X + 2Y + Z 1 2 1 Y + 0 = AY + 0
       
=
2X − Y + Z + 2 2 −1 1 2 2
Z Z
don
1
   
X + 2Y + Z 0
   
∼N A 1 +
   , A2I3 t A .
2X − Y + Z + 2 2
1
Exer i e 5. 1) On trouve det Q = 16 et

3 1 0
 
1
Q−1 = 1 3 0,
8
0 0 4
don le ve teur X admet la densité
1 1t 1 − 1 (3x2 +3x2 +4x2 +2x1 x2 )
e− 2 xQ x =
−1
f (x1 , x2 , x3 ) = √ e 16 1 2 3 .
2π det Q 8π

2) Pour toute appli ation linéaire A : IR3 → IR3 , le ve teur Y = AX est gaussien et sa matri e de
ovarian e est KY = AKX tA = AQ tA. D'autre part, d'après le ours, puisque Y est gaussien, ses
omposantes sont des v.a. indépendantes si et seulement si sa matri e de ovarian e est diagonale.

2
Il s'agit don de trouver une matri e A telle que AQ tA soit diagonale, 'estdire de diagonaliser
la matri e Q de façon que la matri e de passage soit orthogonale (t P = P −1 ), e qui est possible
puisque les matri es symétrique sont diagonalisables en base orthonormée.
Cal ul des valeurs propres : En développant par rapport à la dernière olonne, on trouve

det(Q − λI) = (2 − λ)[(3 − λ)2 − 1] = (2 − λ)2 (4 − λ).

Les valeurs propres sont don 2 (valeur propre double) et 4.


Cal ul des ve teurs propres :

x x  3x − y = 2x
   

Q  y  = 2  y  ⇐⇒ −x + 3y = 2y ⇐⇒ x − y = 0.
z z 2z = 2z

Une base orthonormée de e plan est omposée des ve teurs


 √ 
0 1/√2
 
0,  1/ 2  .
1 0
Un système d'équations du
 sous-espa e
√  propre asso ié à la valeur propre 4 est x + y = 0, z = 0.
1/ √2
Un ve teur unitaire est  −1/ 2 . Il est automatiquement orthogonal aux deux pré édents
0
puisque Q est symétrique. La matri e de passage
√ √ 
0 1/√2 1/ √2

P =  0 1/ 2 −1/ 2 
1 0 0

orrespond à un hangement de base orthonormée et est don orthogonale. Puisque P −1 QP = D ,


on peut prendre
0√ 0√ 1
 

A = P −1 = t P =  1/√2 1/ √2 0  .
1/ 2 −1/ 2 0

3) Puisque le ve teur X est gaussien, toutes les ombinaisons linéaires de ses omposantes, et en
parti ulier X1 + 2X2 − X3 , sont des v.a.r. gaussiennes. Il sut don de déterminer son espéran e
et sa varian e. Or E(X1 + 2X2 − X3 ) = E(X1 ) + 2E(X2 ) − E(X3 ) = 0 puisque X est entrée et

Var(X1 + 2X2 − X3 )= Var(X1 ) + 4Var(X2 ) + Var(X3 ) + 4Cov(X1 , X2 ) − 2Cov(X1 , X3 ) − 4Cov(X2 , X3 )


= 3 + 12 + 2 − 4 = 13,

don X1 + 2X2 − X3 ∼ N (0, 13).

Exer i e 6. 1) Soit f borélienne bornée, en faisant le hangement de variable y = x2 dans


−x2 /2 Z +∞
e−y/2
2 e
Z
2 2
l'expression E(f (X1 )) = f (x ) √ dx, on obtient E(f (X1 )) = f (y)y −1/2 √ dy ,
IR 2π 0 2π
d'où la densité de X1 : y −1/2 e√2π 1I{y∈[0,+∞)} . La v.a. X1 suit une loi Gamma de paramètres 1/2
−y/2

et 1/2.
2) La matri e du ve teur (X1 , · · · , Xn ) étant diagonale, ses oordonnées sont indépendantes, ainsi

3
que les v.a. X12 , · · · , Xn2 . On montre alors, en réitérant le al ul fait à l'exer i e 14, question 2),
feuille d'exer i es 3, que la somme X12 + · · · + Xn2 suit une loi gamma de paramètres n/2 et 1/2,
e−y/2
'est à dire une loi de densité y (n−2)/2 2n/2 1I
Γ(n/2) {y∈[0,+∞)}
. On peut aussi utiliser les fon tions
ara téristiques : la fon tion ara téristique de la loi gamma de paramètres 1/2, 1/2 est donnée
par
1/2
1/2

ϕX 2 (t) = ,
1 1/2 − it
pour tout t ∈ IR. Par indépendan e des v.a. X12 , . . . , Xn2 , on a alors
n/2
1/2

ϕX 2 +···+Xn2 (t) = (ϕX 2 (t))n = .
1 1 1/2 − it
On re onnaît alors la fon tion ara téristique de la loi gamma de paramètres n/2 et 1/2.
Remarque : La loi gamma de paramètres n/2 et 1/2 est en ore appelée loi du hi-deux à n degrés
de liberté.

En faisant le hangement de variable z = y dans l'expression
+∞ √ e−y/2
q Z
E(f ( X12 + · · · + Xn2 )) = f ( y)y (n−2)/2 dy ,
0 2n/2 Γ(n/2)
on obtient : 2 /2
+∞ e−z
q Z
n−1
E(f ( X12 + ··· + Xn2 )) = f (z)z dz,
0 2(n−2)/2 Γ(n/2)
−z 2 /2
q
d'où la densité de X12 + · · · + Xn2 : z n−1 2(n−2)/2
e
1I
Γ(n/2) {z∈[0,+∞)}
.
3) Pour les mêmes raisons qu'à laqquestion 1), les v.a. X1 , · · · , Xn , Y sont indépendantes, e
qui entraîne l'indépendan e entre X12 + · · · + Xn2 et Y . Soit f borélienne bornée, alors on a
2 2
e−y /2 n−1 e−z /2
q Z
E(f (Y / X12
+ ··· + Xn2 ))
= f (y/z) √ z dy dz . En posant z = u et
[0,∞)2 2π Z 2(n−2)/2 Γ(n/2)
q ∞ Γ((n + 1)/2)
y/z = v , on obtient E(f (Y / X12 + · · · + Xn2 )) = f (v) √ dv , d'où la
q 0 πΓ(n/2)(1 + v 2 )(n+1)/2
Γ((n+1)/2)
densité de Y / X12 + · · · + Xn2 : √ 1I
πΓ(n/2)(1+v2 )(n+1)/2 {v∈[0,+∞)}
.

Exer i e 7. Le ve teur Y est l'image du ve teur X par la transformation linéaire de matri e


 
1 −1 0 0 · · · 0
1 1 −1 0 · · · 0
 
 
. . . . . .
 
 
 
A=
 . . . . . . .


 . . . . . . 

1 1 . . 1 −1
 
 
1 1 . . . 1

Sa matri e de ovarian e est alors donnée par AIn t A = At A. On vérie fa ilement que elle- i
n'est pas diagonale, et don que les oordonnées de Y ne sont pas indépendantes.
! !
cos a sin a 1 sin 2a
Exer i e 8. 1) La matri e a pour arré .
sin a cos a sin 2a 1
2) Soit A la matri e de l'appli ation linéaire A et KQ la matri e de ovarian e de la loi Q.

4
Alors la matri e A doit
! vérier la relation KQ = AIn A = A A et d'après la question 1), on a
t t

cos a sin a
A= .
sin a cos a
3)
Z
E(Y1n ) = (y1 )n dQ(y)
IR 2

2 2
e−(x1 +x2 )/2
Z
= ((Ax)1 )n dx1 dx2
A−1 (IR )
2

−(x1 +x2 )/2 2 2
ne
Z
= (x 1 cos a + x 2 sin a) dx1 dx2
IR2 2π
1 ∞ n+1 −r2 /2
Z Z 2π
= r e dr (cos(θ − a))n dθ ,
2π 0 0

où la dernière égalité vient d'un hangement de variables en oordonnées polaires. Posons In =


Z π
R 2π 2 2√
0 (cos(θ − a))n dθ , alors pour tout k ≥ 1, I
2k+1 = 0 et I 2k = 4 (cos θ)2k dθ = πΓ(k +
0 k!
(2k)! π
1/2) = 4 2k (intégrale de Wallis). D'autre part,
2 (k!)2 2
Z ∞ Z ∞
2k+1 −r 2 /2
r e dr = 2k sk e−s ds
0 0
k
= 2 k! .
(2k)!
Finalement, pour tout k ≥ 1, on a E(Y12k+1 ) = 0 et E(Y12k ) = .
k!2k
Exer i e 9. Non ar la matri e donnée n'est pas dénie positive, son déterminant n'étant pas
positif.

a c
 
Exer i e 10. 1) Soit la matri e de ovarian e de (G1 , G2 ), alors on vérie fa ilement
c b
que :

1 a c 1
      
i(G1 +G2 )
E(e ) = exp −1/2 < , >
1 c b 1
= exp(−1/2(2c + a + b)) .

D'autre part, on a E(eG1 )E(eG2 ) = exp(−1/2(a + b)). En identiant es deux expressions, on


obtient que la ovarian e c entre G1 et G2 est nulle, e qui signie, puisque le ve teur (G1 , G2 )
est gaussien, que G1 et G2 sont indépendantes. La ré iproque est évidente. 
a e f

2) Notons (a) la ondition E(ei(G1 +G2 +G3 ) ) = E(eiG1 )E(eiG2 )E(eiG3 ). Soit  e b g  la ma-
f g c
tri e de ovarian e de (G1 , G2 , G3 ), alors,

1 a e f 1
      
i(G1 +G2 +G3 )
E(e ) = exp −1/2 < 1 , e
    b g   1  >
1 f g c 1
= exp(−(a + b + c + 2(e + f + g))/2) .

5
D'autre part, E(eiG1 )E(eiG2 )E(eiG3 ) = e−(a+b+c)/2 . La ondition (a) né essite don que e + f +
g = ov(G1 , G2 ) + ov(G1 , G3 ) + ov(G2 , G3 ) = 0. Soit alors X une v.a. gaussienne, entrée,
quel onque. Posons G1 = X , G2 = aX et G3 = bX où a, b ∈ IR sont à déterminer. L'égalité
i-dessus donne (a + b + ab)Var(X) = 0, 'est à dire a + b + ab = 0. La ondition (a) est réalisée
dans e as pour tous a et b tels que b = −a/(a + 1). D'autre part, il est évident que G1 , G2 et
G3 ne sont pas indépendantes.
3) Pour tout (a1 , a2 , a3 ) ∈ IR3 , on a d'une part

a1 a e f a1
      
i(a1 G1 +a2 G2 +a3 G3 )
E(e ) = exp −1/2 < a2 , e
    b g   a2  >  ,
a3 f g c a3
2 2 2
et d'autre part, E(eia1 G1 )E(eia2 G2 )E(eia3 G3 ) = e−(a1 a+a2 b+a3 c)/2 . En identiant es deux expres-
sions, on montre que ea1 a2 + f a1 a3 + ga3 a2 = 0, pour tous a1 , a2 , a3 ∈ IR. Ce i entraîne alors
que né essairement, on doit avoir e = f = g = 0. Ainsi, (G1 , G2 , G3 ) est un ve teur gaussien
dont la matri e de ovarian e est diagonale, ses oordonnées sont don indépendantes.

Exer i e 11. Comme les deux ve teurs sont entrés on a égalité des deux ve teurs lorsque les
matri es de ovarian e sont égales e qui se traduit par :

A.t A = Cov(X) = V.

V étant une matri e de ovarian e, elle est dénie positive. Son déterminant étant stri tement
positif, elle est stri tement dénie positive. Elle dénie don un produit s alaire. Par le pro édé
d'orthogonalisation de S hmidt, on trouve V = t P.P , où
 
1 2 1
P :=  0 1 1  .
 
0 0 1

Maintenant, A.t A = t P.P équivaut à [t (P −1 )A].t [t (P −1 )A] = I , 'est à dire [t (P −1 )A] est orthog-
onale. L'ensemble des matri es A her hées est don {A ∈ Mn (IR) telles que ∃ U ∈ On (IR), A =
t P.U }.