Correction TD4

Correction Exercice 1.

1. Soit X la v.a.r egale au poids du nouveau-ne.

X ! N (m; )
P (X > 3500) = 0:4 1 P (X < 3500) = 0:4 P (X < 3500) = 0:6
() ()
P (X > 4200) = 0:01 1 P (X < 4200) = 0:01 P (X < 4200) = 0:99
X m 3500 m 3500 m 3500 m
P < = 0:6 P X < = 0:6 F = 0:6
X m 4200 m () 4200 m () 4200 m
P < = 0:99 P X < = 0:99 F = 0:99
3500 m
= 0:25 m = 3416
() 4200 m ()
= 2:33 = 336
1
Pn 1
Pn
a) E(Xn ) = E n i=1 Xi = n i=1 E(Xi )
P
= n1 ni=1 m = 1
n
n m = m = 3416
1
Pn 1 2
Pn
V (Xn ) = V n i=1 Xi = n i=1 V (Xi )
P 2
= n12 ni=1 2
= 1
n2
n 2
= n
= 112 896
n
b) D'apres l'Inegalite de Bienayme Tchebychev (IBT)
V (Xn )
8" > 0 , P Xn E Xn " "2
V (Xn )
1 P Xn E Xn " "2
V (Xn )
P Xn E Xn " 1 "2
2
On a E Xn = m, V Xn = n
et pour " = 10 > 0,
2
P Xn m 10 1 100n
2
P Xn m 10 0:9 si 1 100n
0:9
2 2
2
100n
0:1 () 10n () n 10
=) n 11289:6 =) n0 = 11290
D'apres le Theoreme Central-Limite (TCL)
Les Xi sont de m^eme loi et independantes deux a deux alors
Xn E(Xn ) L
p ! N (0; 1)
V (Xn ) n!1

Xn m 10
P Xn m 10 0:9 () P p p
0:9
n n

Xn m L
T = p
! N (0; 1)
n n!1
p p p
10 n 10 n 10 n
P jT j 0:9 () 2F 1 0:9 () F 0:95
p p
10 n 1 10 n
F (0:95) () 1:64 () n 3036:4 =) n0 = 3037

1
Correction Exercice 2.

1. 8x 2 [0; 1], (1 x) 2 [0; 1] et (1 x)n > 0

fn (x) 0
R R1
f (x)dx = 0 (n + 1) (1
R n
x)n dx = 1
Donc fn est une densite de probabilite (ddp)

2. Montrer que la suite (Yn )n2N converge en loi de probabilite vers une variable ex-
ponentielle revient a montrer que la fonction de repartition de la variable Yn tend
vers la fonction de repartition d'une variable exponentielle : limn!1 FYn (y) =
FY (y) ou Y suit une loi exponentielle qu'on determinera le parametre.
FYn (y) = P (Yn < y) = P (nXn < y) = P (Xn < ny ) = FXn y
n
Determinons la fonction de repartition de Xn .
Rx
FXn (x) = 1 fn (x)dx
Si x < 0
Rx
FXn (x) = 1
fn (x)dx = 0
Si 0 < x < 1
Rx R0 Rx
FXn (x) = 1 fn (x)dx = 1 0dx + 0 (n + 1) (1 x)n dx = 1 (1 x)n+1
Si x > 1
Rx
FXn (x) = 1
fn (x)dx = 1
8
< 0 si x<0
n+1
FXn (x) = 1 (1 x) si 0<x<1
:
1 si x>1
8 8
< 0 si ny < 0 < 0 si y < 0
y y n+1 y y n+1
FYn (y) = FXn n
= 1 1 si 0 < n < 1 = 1 1 si 0 < y < n
: n : n
1 si ny > 1 1 si y > n
Si y > 0
y
limn!+1 FYn (y) = limn!+1 1 1 y n+1
n
= limn!+1 1 e(n+1) ln(1 n ) =
y
limn!+1 1 e(n+1)( n )

y 1 y
car ln 1 n n
(quand n ! 1 et non pas y)
x3 x5
le developpement limite de ln(1 x) au voisinage de 0 est x 3 5
:::
1 1 1 1
le developpement limite de ln(1 t
) au voisinage de 1 est t 3t3 5t5
:::
1
ln(1 ) 1 1 1
limt!1 1
t
= 1 () ln(1 t
) t
t

On revient a notre limite,

y
limn!+1 1 e(n+1)( n ) = limn!+1 (1 e y) = 1 e y

2
 C'est bien la fonction de repartition d'une variable qui suit la loi exponentielle
de parametre 1
Si y < 0 on a limn!+1 FYn (y) = 0
y
Si y > 0 on a limn!+1 FYn (y) = 1 e
D'ou (Yn )n2N converge en loi vers une variable exponentielle de parametre 1
L
Yn ! Y ou Y ! (1)
n!+1

Correction Exercice 3.

Soit Yi = e (Xi ) > 0

FYi (y) = P (Yi < y) = P (e (Xi ) < y) = P ( (Xi ) < ln y)
= P (Xi > ln y) = 1 P (Xi < ln y) = 1 FXi ( ln y)
@F (y)
fYi (y) = @y Yi
= y1 fXi ( ln y) = y1 exp ( ln y ) e ( ln y )
= y1 eln y y = e y si y > 0
e y si y>0
fYi (y) =
0 sinon
Pn P
1
Tn = n i=1 e (Xi )
= n1 ni=1 Yi = Yn
Les v.a.r Yi sont independantes et de m^eme loi alors d'apres le Theoreme Central-
Yn E(Yn )
Limite, p converge vers une loi Normale centree et reduite quand n ! +1.
V (Yn )
Yn E(Yn ) L
p ! N (0; 1)
V (Yn ) n!+1
P
E(Yn ) = E n1 ni=1 Yi = E(Yi ) = 1 (puisque Y ! (1))
P
V (Yn ) = V n1 ni=1 Yi = V (Y n
i)
= n1
On aura
Yn 1 L L 1
1 ! N (0; 1) () Yn ! N (1; p )
p
n
n!+1 n!+1 n
Donc la variable Tn converge en loi vers une variable qui suit la loi normale d'esperance
1 et d'ecart type p1n .

Correction Exercice 4.
R
a) f ; (x) 0 et R
f ; (x)dx = 1 =) f ; est une densite de probabilite (ddp)

On peut remarquer ici que si on fait le changement de variable U = X on aura

1 u
e si u 0
f (u) =
0 sinon
1 1 1 2
donc U ! =) E(U ) = 1 = et V (U ) = 2 =
(1)

3
b) F ; (x) = P (X < x)
Rx
si x < ,F ; (x) = P (X < x) = 1
0dx = 0
Rx R Rx 1 (x )
si x , F ; (x) = P (X < x) = 1
f ; (x)dx = 1
0dx + e dx =
Rx 1 (x ) (x )
e dx = 1 e
(x )

F (x) = 1 e si x
;
0 sinon

E(X) = E(U + ) = E(U ) + = +

2
V (X) = V (U + ) = V (U ) =

c) - Determiner la fonction de repartition des la v.a.r Yn = min (X1 ; :::; Xn ) et re-

conna^tre la loi de Yn .

FYn (y) = P (Yn < y) = P (min (X1 ; :::; Xn ) < y) = 1 P (min (X1 ; :::; Xn ) > y) =
1 P ((X1 > y) \ ::: \ (Xn > y))
n n
= 1 P (X1 > y) ::: P (Xn > y) = 1 i=1 P(Xi > y) = 1 i=1 (1 P (Xi < y)) =
n(y )
n
1 i=1 (1 FXi (y)) = 1 e si y car les Xi ont la m^eme fonction de
densite f ; et donc la m^eme loi.
n(y )

FYn (y) = 1 e si y
0 sinon
n(y )
n
fYn (y) =
@FYn (y)
= e si y
@y
0 sinon
- Montrer que Yn converge en probabilite vers

Ici on doit demontrer que limn!+1 P (jYn j ") = 0

D'apres l'IBT,
V (Yn )
8" > 0, P (jYn E (Yn )j ") "2

determinons E (Yn ) et V (Yn )

n 1 1 2
V = Yn ! =) E(V ) = n = n
et V (V ) = n 2
= n2
( )
2
E(Yn ) = E(V ) + = n
+ et V (Yn ) = V (V ) = n2

On aura :
2
P Yn n
+ " n"2

Or une probabilite est toujours positive

2
0 P Yn n
+ " n"2

4
Quand n tend vers +1 on aura
2
0 limn!+1 P Yn n
+ " limn!+1 n"2

0 limn!+1 P (jYn j ") 0

Donc limn!+1 P (jYn j ") = 0

p
d'ou Yn ! .
n!+1

1
Pn
- On pose maintenant Zn = n i=1 Xi . Montrer que Zn converge presque s^
urement
vers +

D'apres la loi des grands

P nombres, les Xi sont independantes et identiquement dis-
tribuees et donc n1 ni=1 Xi converge presque s^
urement vers E(Xi )
ps
Zn ! + .
n!+1