Module de: Université de Manouba Niveau: 2ième Année

Principes & Méthodes

Statistiques Filière: II2

Chargés de Cours: École Nationale des A.Univ.: 2013-2014

F.Ghorbel &
O.Oueslati & K.B. Sciences de L'Informatique Semestre I
Mbarek & A. Alleli
Couple de Variables Aléatoires, Distributions Multivariées
1. Soit la variable aléatoire X dénotant le temps pris par votre machine pour se connecter à un serveur
informatique (en millier de seconde, soit 10−3 seconde) et Y dénotant le temps jusqu'à ce que le serveur
vous autorise à se connecter comme un utilisateur valable (en millier de seconde). Chacune de ces variables
aléatoires mesure le délai d'attente à partir d'une origine de temps commune.
fXY (x, y) = 6 × 10−6 exp(−0.001x − 0.002y) pour x < y
1. Vérier que fXY (x, y) satisfait les conditions d'être densité de probabilité jointe des variables X et
Y et représenter graphiquement son domaine de dénition.
2. Déterminer la densité de probabilité marginale de X . En déduire ses paramètres et sa forme. Sans
faire du calcul, donner sa moyenne et sa variance.
3. Déterminer la densité de probabilité marginale de Y . En déduire la probabilité du temps nécessaire
pour la connection de votre machine au serveur informatique soit supérieure à 2 seconde
4. Déterminer la probabilité du temps nécessaire pour la connection de votre machine au serveur in-
formatique soit superieur"e à 2 seconde et le temps nécessaire à l'autorisation en tant qu'utilisateur
valable soit superieur à 1.5 seconde et présenter graphiquement la zone de spécication de Y .
5. Déterminer la probabilité conditionnelle de Y étant donné que X = x.
6. Déduire la probabilité que Y excède 2 secondes scahant que le temps de la validation de l'utilisateur
est de 1.5 seconde
7. Déterminer la moyenne conditionnelle de Y sachant que le temps de la validation de l'utilisateur est
de 1.5 seconde.
8. Vérier le type de dépendance entre ces variables aléatoires.
9. Supposons maintenant que la densité de probabilité jointe de X et Y est modiée comme suit:
fXY (x, y) = 2 × 10−6 exp(−0.001x − 0.002y) pour 0 ≤ x et 0 ≤ y
Spécier la densité marginale de chaque variable et en déduire que X et Y sont indépendantes.
Déduire P (X > 1000, Y < 1000).
Solution:
1. Il est clair que la fonction
Z Z est non- négative pour tous X et Y sur A = {0 ≤ X, 0 ≤ Y et X < Y }.
On doit vérier que fXY (x, y) = 1:
A
Z Z Z +∞ Z +∞
fXY (x, y) = 6 × 10−6 exp(−0.001x − 0.002y)dxdy
A −∞ −∞
Z +∞ Z +∞
= ( 6 × 10−6 exp(−0.001x − 0.002y)dy)dx
0 x
Z +∞ Z +∞ 
−6
= 6 × 10 e−0.002y dy e−0.001x dx
0 x
Z +∞  −0.002y 
e
= 6 × 10−6 e−0.001x dx
0 0.002
Z +∞ 
−0.003x
= 0.003 e dx
 0 
1
= 0.003 =1
0.003
1
 Figure 1: La zone du spécication de la ddp jointe de X et Y

2. Pour déterminer la densité marginale de fX (x):

Z ∞
fX (x) = fXY (x, y)dy
Zx∞
= 6 × 10−6 exp(−0.001x − 0.002y)dy
x
 −0.002y ∞ 
−6 −0.001x  e
 
= 6 × 10 e  0.002 

0
= 0.003e−0.003 pour x > 0

La densité marginale de X suit une distribution exponentielle de paramètre λ = 0.003 alors E(X) =
1/λ = 1000/3 et V ar(X) = 1/λ2 = 106 /9.
3. Pour déterminer la densité marginale de fY (y)
Z y
fY (y) = fXY (x, y)dx
Z0 y
= 6 × 10−6 exp(−0.001x − 0.002y)dx
0
Z y
−6 −0.002y
= 6 × 10 e e−0.001x dx
0
 −0.002y y 
−6 −0.002y  e
 
= 6 × 10 e  0.002 

0
−0.001y
 
−6 −0.002y 1 − e
= 6 × 10 e
0.001
= 6 × 10−3 e−0.002y 1 − e−0.001y y > 0
 

On doit déterminer P (y > 2000):

Z ∞
P (y > 2000) = fY (y)dy
Z2000
∞
= 6 × 10−3 e−0.002y (1 − e−0.001y )dy
2000
  −0.002y ∞  −0.003y ∞ 
e e
= 6 × 10−3 (
  
 ) − (   )
0.002 2000
  0.003 2000
 −4
e−6

e
= 6 × 10−3 −
0.002 0.003
= 0.05

4. On doit déterminer la probabilité de P (X ≤ 1000, Y ≤ 2000):

2
 Figure 2: La zone de l'intégration pour déterminer P (X > 1000; Y > 2000)

Z 1000 Z 2000
P ( ≤ 1000, Y ≤ 2000 = 6 × 10−6 exp(−0.001x − 0.002y)dxdy
0 x
Z 1000 Z 2000 
= 6 × 10−6 e−0.002y dy e−0.001x dx
0 x
1000 −0.002x
− e−4 −0.001x
Z  
e
= 6 × 10−6 e dx
0 0.002
Z 1000
= 0.003 e−0.002x − e−4 e−0.001x dx
0
1 − e−0.003x 1 − e−1
  
−4
= 0.003 −e
0.003 0.001
= 0.003 [316.738 − 11.578] = 0.915
La probabilté que votre machine se connecte au serveur en mois d'une seconde et que vous êtes
autorisé comme utilisateur valabe en mois de deux seconde est de 91.5%.
5. On veut déterminer la probabilité condtionnelle de Y étant donné que X = x:
fXY (x, y)
fY /x (y) =
fX (x)
6 × 10−6 e−0.001x−0.002y
=
0.003e−0.003x
= 0.002e0.002x−0.002y pour x > 0 et x < y

La probabilité de Y excède 2000 sachant que x = 1500 est P (Y > 2000|x = 1500).
Z +∞
P (Y > 2000|X = 1500) = fY /1500 (y)dy
2000
Z +∞
= 0.002e0.002x−0.002y
2000
 −0.002 +∞ !
e
= 0.002e3 


0.002 2000
 −4 
e
= 0.002e3
0.002
= 0.368
On veut déterminer la moyenne conditionnelle de la validation de l'utilisateur sahant que la machine
à pris 1.5 seconde pour se connecter au serveur E(Y /x = 1500).
Z +∞
E(Y /x = 1500) = y(0.002e0.002(1500)−0.002y )dy
1500
Z +∞
= 0.002e 3
ye−0.002y dy
1500
3
 L'intégration par partie est comme suit:
Z +∞  −0.002y +∞ Z +∞  −0.002y 
e e
ye−0.002y dy = y − dy
1500 −0.002 1500 1500 −0.002
+∞ !
e−0.002y

1500 −3
= e −
0.002 (−0.002) (−0.002) 1500
1500 −3 e−3 e−3
= e + = (2000)
0.002 (0.002)(0.002) 0.002

en multipliant cette quantité par 0.002e3

E(Y /x = 1500) = 2000

.
6. On peut vérier que la densité conditionelle de Y /x = x est diférente de la densité marginale de Y ,
on peut déduire que X et Y ne sont pas indépendantes.
7. La densité marginale de X est fX (x):
Z ∞
fX (x) = fXY (x, y)dy
Zx∞
= 2 × 10−6 exp(−0.001x − 0.002y)dy
0
= 0.001e−0.001 pour x > 0

La densité marginale de X est une distribution exponentielle de paramètre λ = 0.001, E(X) = 1/λ =
1000, V (X) = 1/λ2 = 106 , la densité marginale de X est fY (y)
Z ∞
fY (y) = fXY (x, y)dx
Z0 ∞
= 2 × 10−6 exp(−0.001x − 0.002y)dx
0
= 0.002e−0.002 pour x > 0

La densité marginale de X est une distribution exponentielle de paramètre. On peut remarquer que
fXY (x, y) = fX (x)×fY (y), alors on peut déduire que les deux variables aléatoire sont indépendantes.
La détermination de P (X > 1000, Y < 1000) est simple:
P (X > 1000, Y < 1000) = P (X > 1000) × P (Y < 1000)
= e−1 (1 − e−2 )
= 0.318

2. Lors de la transmission des signaux, on veut toujours que les signaux à transmettre parviennent au
récepteur sans déformation, malgré entre le récepteur et l'émetteur, se trouve un canal de transmission où
y réside des sources de distorsions et de perturbations. Dans le développement d'un nouveau récepteur
pour la transmission d'informations numériques, chaque morceau (bit) reçu est noté (évalué) comme
acceptable, suspect, ou inacceptable, selon la qualité du signal reçu. Les probabilités de distorsion du
signal soit forte, modérée et faible sont respectivement 0.01, 0.04 et 0.95. Supposons que n bits (ou
morceau) sont transmis et que les degrés de la distorsion de chacun sont supposés indépendants.
Soit X , Y et Z dénotent le nombre de bits respectivement avec forte, modérée et faible distorsion de n
bits transmis.
1. Spécier la forme de la densité de probabilité jointe de cette expérience.
2. Déterminer la densité de probabilité marginale de X .
Sans faire du calcul donner la moyenne marginale et la variance marginale de X .
3. On va supposer dans la suite n = 3 bits transmis.
a. Quelle est la probabilité que deux bits ont une forte distorsion et un bit a subit une distorsion
modérée ?
b. Quelle est la probabilité que les trois bits ont subit une faible distorsion ?
4
 c. Déterminer la densité de probabilité,la moyenne et la variance de X .
d. Déterminer la densité de probabilité conditionnelle, la moyenne conditionnelle et la variance
conditionnelle de X sachant Y = 2.
Solution:
1. X , Y et Z dénote le nombre de bits avec forte, modérée et faible distorsion respectivement de n
bit transmis la densité jointe de X , Y et Z est une distribution multinomiale avec n et p1 = 0.01
,p2 = 0.04 et p3 = 0.95.
n! x
P (X = x, Y = y, Z = z) = p × py2 × pz3
x!y!z! 1
avec x + y + z = n et p1 + p2 + p3 = 1
2. La densité marginale de X suit une distribution binomiale de paramatètre n et p = 0.01, alors
E(X) = np et var(X) = np(1 − p).
3. a.
P (X = 2, Y = 1) = P (X = 2, Y = 1, Z = 0)
3!
= × 0.012 × .0041 × 0.950
2!1!0!
= 1.2 × 10−5

b. On peut déterminer la probabilité de Z = 3 , soit:

3!
P (X = 0, Y = 0, Z = 3) = × 0.010 × .0040 × 0.953
0!0!3!
= 0.8574

c. X suit une distribution binomiale de paramètre n = 3 et p = 0.01 alors, E(X) = 3 × 0.01 et

V ar(X) = 3 × 0.01 × 0.99 = 0.0297
d. On doit tout d'abord déterminer P (X|Y = 2).
p(Y = 2) = p(X = 1, Y = 2, Z = 0) + p(X = 0, Y = 2, Z = 1)
3! 3!
= × 0.011 × 0.042 × 0.951 + × 0.010 × 0.042 × 0.951
1!2!0! 0!2!1!
= 0.004608

Autrement
p(Y = 2) = C32 × 0.042 × 0.961 = 0.004608

3!
p(X = 0, Y = 2, Z = 1) 0!2!1! × 0.010 × 0.042 × 0.951
P (X = 0|Y = 2) = =
p(Y = 2) 0.004608
= 0.98958

3!
p(X = 1, Y = 2, Z = 2) 1!2!0! × 0.011 × 0.042 × 0.950
P (X = 1/Y = 2) = =
p(Y = 2) 0.004608
= 0.01042

La moyenne conditionnelle de X|Y = 2 est alors:

E(X/Y = 2) = 0.98958 × 0 + 1 × 0.01042
= 0.01042

La variance conditionnelle de X|Y = 2 est alors:

V (X|Y = 2) = E(X 2 ) − E(X)2
= 0.01042 − 0.010422
= 0.01031
5
3. Un couple (X, Y ) de variables aléatoires suit la loi jointe donnée dans le tableau suivant:

X |Y u 10
0 1/4 a 1/8
1 1/5 b 1/10

u, a, et b étant des valeurs réelles.

1. Pouvez-vous déterminer a et b de telle sorte que les variables aléatoires X et Y soient indépendantes
en probabilité?.
2. Dans ces conditions, déterminez la loi marginale de X , et les lois conditionnelles de X pour les
diérentes valeurs de Y ?.
3. Si a = 1/5, existe-t-il une valeu u telle que le coecient de corrélation linéaire ρ(X, Y ) soit nul? les
variables aléatoires X et Y sont-elle alors indépendantes en probabilité?.
Solution:
X |Y u 01 Loi de Y
0 1/4 a 1/8 15/40 + a
1.
1 1/5 b 1/10 12/40 + b
Loi de X 18/40 a + b 9/40 27/40 + a + b

13

a+b=  a = 10 − 15 = 13

 40  18 40 72
18 15 1 ⇒ 13
+a =  b=
40 40 4 90

X 0 1
2. 15 40 5 12 40 4
P +a= = +b= =
40 72 9 40 90 9
Puisque X et Y sont indépendantes, les lois conditionnelles de X pour les diérentes valeurs de Y
sont identiques à la loi marginale de X .
X |Y u0 1 Loi de Y
0 1/4 1/5 1/8 23/40
3.
1 1/5 1/8 1/10 17/40
Loi de X 18/40 13/40 9/40 1
17 18 9 u 1
E(X) = E(Y ) = u+ E(XY ) = +
40 40 40 5 10
Si ρ = 0, alors cov(X, Y ) = 0,
 
u 1 17 18 9
E(XY ) = + = E(X)E(Y ) = u+
5 10 40 40 40
17 × 18 17 × 9
2u − u= − 1 ⇒ u = −0.5
160 160
4. Soient deux variables aléatoires X pouvant prendre les valeurs 0 et 1 et Y pouvant prendre les valeurs 1
et 2. Les événements {X = 0} et {X = 1} sont équiprobables, P (Y = 0) = 1/3 et P (X = 0, Y = 0) = p.
1. Donner, en fonction de p, la distribution de probabilité conjointe du couple (X, Y ).
2. Donner les distributions marginales de X et de Y .
3. Déterminer, en fonction de p, les probabilités conditionnelles P (X = 1/Y = 2) et P (Y = 2/X = 1).
4. Pour quelle valeur de p, X et Y sont indépendantes?
Solution:

6
1. La distribution jointe de (X, Y ) est représentée par un tableau:
y\x 0 1 P (Y = y)
1 1
0 p −p
3 3
1 1 2
2 −p +p
2 6 3
1 1
P (X = x) 1
2 2
ˆ

P [X = 0] = P [X = 1]
1
=
2
ˆ
1
P (Y = 0) =
3
2
=⇒ P (Y = 2) =
3
ˆ
X
P (Y = y) = P (X = x, Y = y)
x
=⇒ P (Y = 0) = P (X = 0, Y = 0) + P (X = 1, Y = 0)
1
=⇒ = p + P (X = 1, Y = 0)
3
Donc,
1
P (X = 1, Y = 0) = −p
3
ˆ
X
P (X = x) = p (X = x, Y = y)
y
=⇒ P (X = 0) = P (X = 0, Y = 0) + P (X = 0, Y = 2)
1
=⇒ = p + P (X = 0, Y = 2)
2
Donc,
1
P (X = 0, Y = 2) = −p
2
ˆ Enn,

P (Y = 2) = P (X = 0, Y = 2) + P (X = 1, Y = 2)
 
2 1
=⇒ = − p + P (X = 1, Y = 2)
3 2
Donc,  
1
P (X = 1, Y = 2) = +p
6
2. Distribution marginale de X
x 0 1 T ot
P (X = x) 1/2 1/2
Distribution marginale de Y
x 0 1 T ot
P (X = x) 1/3 2/3
3. On sait que: p(A|B) = p(A ∩ B)/P (B)

P (X = 1/Y = 2) = P (X = 1, Y = 2)/P (Y = 2)
 
1 2
= +p /
6 7 3
 P (Y = 2/X = 1) = P (X = 1, Y = 2)/P (X = 1)
 
1 1
= +p /
6 2

4. X et Y sont indépendantes ssi P (X = x, Y = y) = P (X = x).P (Y = y)

P (x =
0, Y = 0) = P (X = 0)P (Y = 0)
1 1 1
=⇒ p = × =
2 3 6
Ou encore, X et Y sont indépendantes ssi P (X = x/Y = y) = P (X = x)
P (X =
1/Y = 2) = P (X = 1)
 
1 2 1
=⇒ +p / =
6 3 2
1
Donc, p =
6
5. La consommation d'un médicament particulier peut faire apparaitre deux eets indésirables, A et B . On
dénit les varaibales aléatoires réelles suivantes:
ˆ X : la proportion des individus touchés par l'eet A.
ˆ Y : la proportion des individus touchés par l'eet B .

La fonction de densité conjointe du vecteur aléatoire (X, Y ) est donnée par:

c(x + 2y) si 0 ≤ x ≤ 1, 0 ≤ y ≤ 1
(
f (x, y) =
0 Sinon
1. Déterminer la constante c
2. Déterminer:
a. La fonction de répartition jointe du couple (X, Y ).
b. La probabilité que les deux proportions en question ne dépassent pas simultanément 20%.
c. Les fonctions de densités marginales de X et de Y, soient respectivement fX (x) et fY (Y ).
d. Les fonctions de densités conditionnelles de X/Y , et de Y /X , soient respectivement fX/Y (x) et
fY /X (Y ).
e. E (X/Y = y), E (Y /X = x) et V (X/Y = y).
3. X et Y sont elles indépendantes?
4. Écrire la matrice variance covariance du vecteur aléatoire (X, Y ).
Solution:
Z 1 Z 1
1. La fonction f (x, y) est une d.d.p. ssi: f (x, y)dydx = 1
0 0
Z 1 Z 1 Z 1 1
xy + y 2 0 dx

c (x + 2y) dydx = c
0 0 0
Z 1
= c (x + 1)dx
0
 1
1
= c x2 + x
2 0
2
⇒ c=
3
2. Détermination de:
Z x Z y
a. La fonction de répartirtion conjointe de (X, Y ) est dénie par: F (x, y) = f (t, h)dhdt
−∞ −∞
ˆ Si x < 0 et/ou y < 0 f (t, h) = 0
F1 (x, y) = 0
8
 2
ˆ Si 0 ≤ x ≤ 1 et 0 ≤ y ≤ 1, f (t, h) = (x + 2y)
3
Z xZ y
2
F2 (x, y) = (t + 2h) dhdt
0 3
Z x0
2 y
th + h2 0 dt

=
3 0
2 x
Z
= (ty + y 2 )dt
3 0
 x
2 1 2
= t y + ty 2
3 2
 0
2 1 2
= x y + xy 2
3 2
2 1
= xy( x + y)
3 2
ˆ Si 0 ≤ x ≤ 1 et y > 1
Z x Z y
2
F3 (x, y) = (t + 2h) dhdt
0 0 3
Z x Z 1
2
= (t + 2h) dhdt
3
Z0 x Z0 y
= 0dhdt
0 1
= F2 (x, 1)
2 1
= x( x + 1)
3 2
ˆ Si 0 ≤ y ≤ 1 et x > 1
Z x Z y
2
F4 (x, y) = (t + 2h) dhdt
0 0 3
Z 1 Z y Z x Z y
2
= (t + 2h) dhdt + 0dhdt
0 0 3 1 0
= F2 (1, y)
2 1
= y( + y)
3 2
ˆ Si x > 1 et y > 1
Z x Z y
2
F5 (x, y) = (t + 2h) dhdt
0 0 3
Z 1 Z 1 Z x Z y
2
= (t + 2h) dhdt + 0dhdt
0 0 3 1 1
= F2 (1, 1)
= 1
En résumé, la fonction de répartition est dénie comme suit:

Si x < 0 et/ou y < 0



 F1 (x, y) = 0
2 1

Si 0 ≤ x ≤ 1 et 0 ≤ y ≤ 1



 F2 (x, y) = xy( x + y)

 3 2
2 1

F (x, y) = F3 (x, y) = x( x + 1) Si 0 ≤ x ≤ 1 et y > 1
 3 2

 2 1
F (x, y) = y( + y) Si 0 ≤ y ≤ 1 et x > 1

4

3 2




F5 (x, y) = 1 Si x > 1 et y > 1


b.
P (X < 0.2; Y < 0.2) = F (0.2, 0.2)
 
2 1
= (0.2) (0.2) (0.2) + 0.2
3 2
= 0.8%
9
c. Les densités marginales:
ˆ La densité marginale de X
Z
fX (x) = f (x, y)dy
DY
2 1
Z
= (x + 2y)dy
3 0
2 1
= xy + y 2 0
3
2
= [x + 1]
3
Donc, 
 2 [x + 1] Si 0 ≤ x ≤ 1
fX (x) = 3
 0 Sinon
ˆ La densité marginale de Y
Z
fY (y) = f (x, y)dx
DX
Z 1
2
= (x + 2y)dx
3 0
 1
2 1 2
= x + 2xy
3 2 0
1 4
= + y
3 3
Donc, 
 1 [4y + 1] Si 0 ≤ y ≤ 1
fX (x) = 3
 0 Sinon
d. Les densités conditionnelles:
ˆ Densité conditionnelle de X/Y = y
fX/y (x) = f (x, y)/fY (y)
Donc,  
 [x + 2y] / 1 + 2y

Si 0 ≤ x ≤ 1, 0 ≤ y ≤ 1
fX/y (x) = 2
0 Sinon


ˆ Densité conditionnelle de Y /X = x
fY /x (x) = f (x, y)/fX (x)
Donc,
Si 0 ≤ x ≤ 1, 0 ≤ y ≤ 1
(
[x + 2y] / [x + 1]
fX/y (x) =
0 Sinon
e. Les moments conditionnels
ˆ
Z 1
E(X/Y = y) = x.fX/y (x)dx
0
    1
1 1 3
= 1/ + 2y x + yx2
2 3 0
1/3 + y
=
1/2 + 2y
ˆ
Z 1
E(Y /X = x) = y.fY /x (y)dy
0
 1
1 1 2 2 3
= xy + y
x+1 2 3 0
x/2 + 23
=
10 x+1
 ˆ
V (X/Y = y) = E X 2 /Y = y − E 2 (X/Y = y)

Z 1
E X 2 /Y = y x2 .fX/y (x)dx


=
0
    1
1 1 4 2 3
= 1/ + 2y x + yx
2 4 3 0
1/4 + 23 y
=
1/2 + 2y
Donc, 2
1/4 + 32 y

1/3 + y
V (X/Y = y) = −
1/2 + 2y 1/2 + 2y
3. On remarque que fX (x) 6= fX/Y (x) et fY (y) 6= fY /X (y) =⇒ X , Y sont dépendantes.
4. La matrice var- cov de (X, Y ) est!dénie par:
V (X) Cov(X, Y )
Ω= , c'est une matrice symétrique
Cov(X, Y ) V (Y )
ˆ V (X) = E(X 2 ) − E 2 (X)

Z 1
E(X) = x.fX (x)dx
0
Z 1
2
= x(x + 1)dx
3 0
 1
2 1 4 1 3
= x + x
3 4 3 0
2 5
= .
3 6
5
=
9

Z 1
2
E(X ) = x2 .fX (x)dx
0
Z 1
2
= x2 (x + 1)dx
3 0
 1
2 1 3 1 2
= x + x
3 3 2 0
7
=
18
Alors,
 2
7 5
V (X) = −
18 9
26
=
324
ˆ V (Y ) = E(Y 2 ) − E 2 (Y )

Z 1
E(Y ) = y.fY (y)dy
0
Z 1
1 4
= y( + y)dy
0 3 3
 1
1 1 2 4 3
= y + y
3 2 3 0
11
=
18
11
 
Z 1
2
E(Y ) = y 2 .fY (y)dy
0
Z 1
= y 2 (1 + 4y)dy
0
 1
1 1 3
= y + y4
3 3 0
4
=
9
Alors,
 2
8 4
V (Y ) = −
18 9
23
=
324
ˆ Cov(X, Y ) = E(XY ) − E(X).E(Y )

Z 1 Z 1
E (XY ) = xy.f (x, y)dxdy
0 0
Z 1Z 1
2
= xy. (x + 2y) dxdy
3 0 0
Z 1  1
2 1 2 2 2 3
= x y + xy dx
3 0 2 3 0
2 1 1 2 2
Z  
= x + x dx
3 0 2 3
 1
2 1 3 2 2
= x + x
3 6 6 0
1
=
3
Alors,
1 10 11
Cov(X, Y ) = − .
3 18 18
1
= −
162
Ainsi, la matrice variance covariance est déne par,
!
1 26 −2
Ω=
324 −2 23

6. Soit la densité jointe d'un couple de v.a. (X, Y ) dénie par:

Si 0 < y < x < 1

(
6y
fXY (x, y) =
0 Sinon
1. Déterminer les densités marginales de X et de Y . En déduire E (Y ) et V ar(Y )
2. Déterminer la densité conditionnelle de (Y |X) . En déduire E (Y |X)
2
3. Soit la v.a. dénie par: Z = X = E (Y |X) . Déterminer la d.d.p. de Z
3
4. Calculer E(Z) et V ar(Z) et les comparer avec E (Y ) et V ar(Y ).
Solution:
12
 1. ˆ Distribution marginale de X (
3x2 Si 0 < x < 1
Z x
 x
fX (x) = 6ydy = 3 y 2 0 =
0 0 Sinon
ˆ Densité marginale de Y
6y (1 − y) Si 0 < y < 1
Z 1 (
1
fY (y) = 6ydx = 6y [x]y =
y 0 Sinon
Z 1 Z 1  1  
1 1 1 1 1
ˆ E [Y ] = y 2 − y 3 dy = 6 y 3 − y 4 = 6


y.6y (1 − y) dy = 6 − =
0 0 3 4 0 3 4 2
2
ˆ V ar (Y ) = E Y 2 − E (Y )


Z 1 Z 1  1  
1 1 1 1 6 3
E Y2 = y 2 .6y (1 − y) dy = 6 y 3 − y 4 dy = 6 y 4 − y 5 = 6
 

− = =
0 0 4 5 0 4 5 20 10
 2
3 1 12 10 2 1
Donc, V ar (Y ) = − = − = =
10 2 40 40 40 20
ˆ Densité conditionnelle de (Y |X)
2y/x Si 0 < y < x < 1
(
2
fY |X (y|x) =
0 Sinon
Z x Z x  x
2 2 1 3 2
ˆ E (Y |X) = y.2y/x2 dy = 2 y 2 dy = 2 y = x avec 0 < x < 1
0 x 0 x 3 0 3
 
2 2
2. Z = Y si x ∈ ]0, 1[ alors z ∈ 0,
3 3
    Z 3/2.z
2 3  3/2z 27 3
G (z) = P [Z < z] = P X<z =P X< z = 3x2 dx = x3 0 = z
3 2 0 8

 81 z 2 Si 0 < z < 2
Alors, g (z) = 8 3
 0 Sinon
1 1
3. E (Z) = et V ar (Z) =
2 60
1 1 1
On remarque que E (Z) = E (Y ) = mais, V ar (Z) = < V ar (Y ) =
2 60 20
7. Soit (X, Y ) un couple de v.a. dont la loi est déterminée par la densité:
Si 0 ≤ x ≤ 2 et 0 ≤ y ≤ x
(
xy/2
f (x, y) =
0 Sinon
1. Déterminer la fonction de répartition F de ce couple?
2. Déterminer les lois marginales de X et Y . Ces variables sont-elles indépendantes?
3. Déterminer la loi conditionnelle de y sachant que X = x?
Solution:
Si 0 ≤ x ≤ 2 et 0 ≤ y ≤ x
(
xy/2
f (x, y) =
0 Sinon
1. Fonction deZ Répartirion du couple (X, Y ) :
x Z y
F (x, y) = f (u, v) dvduftbpF4.0534in3.0268in0ptFigure
−∞ −∞
ˆ Si x ≤ 0 et/ou y ≤ 0
f (u, v) = 0 et donc F1 (x, y) = 0
ˆ Si 0 ≤ y ≤ x ≤ 2
1
f (x, y = xy
2 Z y Z x Z y Z x
1 1 2
Donc, F2 (x, y) = y 2x2 − y 2


f (u, v) dudv = uvdudv =
−∞ −∞ 0 v 2 16
ˆ Si 0 ≤ y ≤ 2Z ≤ xZ
y x Z y Z 2
1 2
y 8 − y2


F3 (x, y) = f (u, v) dudv = f (u, v) dudv = F2 (2, y) =
−∞ −∞ 0 13 v 16
 ˆ Si 0 ≤ x ≤ yZ ≤ 2Z
y x Z x Z u
1 4
F4 (x, y) = f (u, v) dudv = f (u, v) dudv = F2 (x, x) = x
−∞ −∞ 0 0 16
ˆ Si x ≥ 2 et y ≥ 2
f (u, v) = 0 et donc, F5 (x, y) = F2 (2, 2) = 1
Donc la Fonction de répartition est dénie comme suit:

Si x ≤ 0 et/ou y ≤ 0


 0
1 2

Si 0 ≤ y ≤ x ≤ 2

y 2x2 − y 2




 16


1 2
y 8 − y2 Si 0 ≤ y ≤ 2 ≤ x


F (x, y) =
 16
 1 4

Si 0 ≤ x ≤ y ≤ 2

 x
 16


Si x ≥ 2 et y ≥ 2

1


2. ˆ Densité Marginale
Z x de X : Z x
1 1  x 1
fX (x) = f (x, y) dy = x ydy = x y 2 0 = x3
0  2 0 4 4
 1 x3 Si 0 ≤ x ≤ 2
Donc, fX (x) = 4
 0
ˆ Densité Marginale
Z 2 de Y : Z
2
1 1  2 1
xdx = y x2 y = y 4 − y 2


fY (y) = f (x, y) dy = y
y  2 y 4 4
 1 y 4 − y 2
Si 0 ≤ y ≤ 2
Donc, fX (x) = 4
 0 Sinon
ˆ fX (x) × fY (y) 6= f (x, y)
⇒Les deux variables aléatoires X et Y sont dépendantes.
3. Densité conditionnelle de Y /X = x 
f (x, y) 1/2xy 2y  2y Si 0 ≤ y ≤ x ≤ 2
fY /X (y) = = = Donc, fY /X (y) = x2
fX (x) 1/4x3 x2  0 Sinon

14