Vous êtes sur la page 1sur 1

Feuille de TD n.

1 de IPD 2019-2020, Ensimag 2A IF


H. Guiol
Semaine du 03 fevrier 2020

Exercice 1.1 Transformation de Box-Muller √


Soient
√ R de loi exponentielle (1/2) et Θ indépendante de loi uniforme sur [0, 2π]. Montrer que R sin(Θ)
et R cos(Θ) sont deux v.a. normales centrée réduites indépendantes.

Exercice 1.2 Loi log-Normale


Soit X = eY où Y est de loi N (µ, σ 2 ). On dit que X est de loi Log-Normale.
1) Trouver :
• a) la fonction de densité f de la v.a. X;

• b) E(X) et Var(X).

2) Montrer que si X1 , ..., Xn sont indépendantes de loi Log-Normale alors leur produit est aussi de loi
Log-Normale.

Exercice 1.3 Queues de distribution de la loi Normale


Montrer que pour Z ∼ N (0, 1)
r    2 r  2
2 1 1 x 21 x
− 3 exp − ≤ P(|Z| > x) ≤ exp −
π x x 2 πx 2

En déduire des équivalents pour P(|Z| > x) et P(Z > x).

Exercice 1.4 Densité d’un vecteur Gaussien


Soit X un vecteur gaussien dans Rd non dégénéré de loi N (µ, Σ), on se propose de montrer que X possède
une densité f
(x − µ)T Σ−1 (x − µ)
 
1
f (x) = exp − ∀x ∈ Rd .
(2π)d/2 (detΣ)1/2 2
1. Soient Y1 , ..., Yd , d variables aléatoires indépendantes gaussiennes réelles centrées et réduites. Ecrire
la densité du vecteur Y = (Y1 , ..., Yd ).
2. Trouver une matrice M symétrique définie positive de taille d × d et un vecteur b de taille d, tel que
M Y + b ait même loi que X.
3. En déduire que X a la densité annoncée.

Exercice 1.5 Processus Gaussien


Un processus stochastique X = (Xt )t∈R+ est dit gaussien si et seulement si pour tout k ≥ 1 et tous choix
0 ≤ t1 < t2 < · · · < tk le vecteur aléatoire (Xt1 , ..., Xtk ) est gaussien.
1. Soient f1 , ..., fn , n fonctions de R+ dans R et G1 , ..., Gn , n
Pgaussiennes centrées réduites et indépendantes.
n
Montrer que le processus X = (Xt )t∈R+ défini par Xt = i=1 fi (t)Gi est un processus gaussien et cal-
culer ses fonctions de moyenne µ(t) = E(Xt ) et de covariance K(s, t) = Cov(Xs , Xt ).
2. Montrer que si (Xn )n≥0 est une suite de processus gaussiens convergeant vers le processus X en
probabilité, alors X est gaussien et la convergence a lieu aussi dans L2 .

Vous aimerez peut-être aussi