Académique Documents
Professionnel Documents
Culture Documents
Probabilité I
Corrigé de la série d’exercices №3 :
Vecteurs aléatoires réels
Niveau : 4ème année D.S & INFINI Année universitaire : 2020-2021
Exercice 1 :
On lance 3 fois une pièce de monnaie. On considère X la variable aléatoire qui compte le nombre
de piles obtenues lors de 3 lancers, et Y le numéro du lancer qui donne face pour la 1ère fois.
1. Donner l’ensemble des résultats possibles du vecteur (X, Y ).
(On pose Y = 0, si l’on n’obtient pas de face après 3 lancers.)
2. Déterminer la loi du vecteur (X, Y ).
3. En déduire les lois marginales PX et PY
4. On désigne par F(X,Y ) la fonction de répartition du (X, Y ), donner la valeur de F(X,Y ) (2, 0).
5. Déterminer l’espérance du vecteur (X, Y ).
Solution :
1
1
P(X = 0, Y = 2) = P(X = 3, Y = 2) = P(∅) = 0, P(X = 1, Y = 2) = P(P F F ) =
8
1
P(X = 2, Y = 2) = P(P F P ) =
8
P(X = 0, Y = 3) = P(X = 1, Y = 3) = P(X = 3, Y = 3) = P(∅) = 0
1
P(X = 2, Y = 3) = P(P P F ) =
8
Également, on a coutume à représenter la loi (conjointe) du couple (X, Y ) dans le tableau
suivant :
où par exemple dans la deuxième colonne de la première ligne, on lit P(X = 1, Y = 0).
On voit bien aussi que la somme sur toutes les lignes et les colonnes vaut 1.
3. D’après le tableau, pour obtenir la loi marginale PX (loi de la v.a.r X), il suffit de sommer
en ligne, en revanche pour obtenir la loi marginale PY (loi de la v.a.r Y ), il suffit de sommer
en colonne.
D’où on obtient PX est donnée par :
1 3
P(X = 0) = P(X = 3) = , P(X = 1) = P(X = 2) = ,
8 8
De même la loi PY est donnée par :
1 1 1
P(Y = 0) = P(Y = 3) = , P(Y = 1) = , P(Y = 2) = .
8 2 4
4. Par définition ∀(x, y) ∈ R2 , la fonction de répartition d’un couple aléatoire est égale à :
X X
F(X,Y ) (x, y) = P(X = k1 , Y = k2 )
k1 ∈{0,1,2,3}|k1 ≤x k2 ∈{0,1,2,3}|k2 ≤y
2
Donc,
X X
F(X,Y ) (2, 0) = P(X = k1 , Y = k2 )
k1 ∈{0,1,2,3}|k1 ≤2 k2 ∈{0,1,2,3}|k2 ≤0
X X
= P(X = k1 , Y = k2 )
k1 ∈{0,1,2} k2 =0
= P(X = 0, Y = 0) + P(X = 1, Y = 0) + P(X = 2, Y = 0)
= 0
0 × 18 + 1 × 38 + 2 × 3 1 3
E(X) 8 +3× 8 2
E (X, Y ) = = =
E(Y )
0 × 18 + 1 × 12 + 2 × 1
4 +3× 1
8
11
8
Exercice 2 :
On dispose d’un couple aléatoire (X, Y ) telle que sa densité conjointe est donnée par :
−(x+y)
ke , si x > 0 et y > 0
f(X,Y ) (x, y) =
0 , sinon
avec k ∈ R.
1. Déterminer la constante k.
X
2. Déterminer la fonction de répartition FZ de la v.a. Z = Y (P.ps).
X
3. En déduire la fonction densité de probabilité fZ de la v.a. Z = Y (P.ps)
.
Solution :
1. Comme f(X,Y ) est une densité sur R2 , et elle est déjà continue alors il suffit qu’elle vérifie :
Z
f(X,Y ) (x, y)dx dy = 1
R2
Z +∞ Z +∞
⇒ k e−(x+y) dx dy = 1
0 0
Z +∞ Z +∞
−y
⇒ k e dy e−x dx = 1
0 0
| {z }| {z }
=1 =1
⇒ k=1 .
3
2. ∀z ∈ R, FZ (z) = P(Z ≤ z) = P( X
Y ≤ z) = P (X, Y ) ∈ Ω z
4
Exercice 3 :
On considère le couple aléatoire (X, Y ) de densité conjointe donnée par :
−yx2
e , si x ≥ 1 et y > 0
f(X,Y ) (x, y) =
0 , sinon
Solution :
R
1. On a ∀(x, y) ∈ R2 , P(Y X 2 > 1) = P (X, Y ) ∈ Ωx,y = Ωx,y f(X,Y ) (x, y)dx dy
avec Ωx,y est le domaine d’étude du couple (X, Y ) tel que l’événement {Y X 2 > 1} se réalise.
D’où afin de définir ce domaine d’intégration, Ωx,y s’écrit :
5
(a) La densité marginale fX de X est :
Z
∀x ≥ 1, fX (x) = f(X,Y ) (x, y)dy
R
Z +∞
−yx2
= e dy
0
h −1 2
i+∞
= 2
e−yx
x 0
1
= .
x2
6
Exercice 4 :
On considère le couple aléatoire (X, Y ) de densité conjointe suivante :
−y
e , si 0 < x < y.
f (x, y) =
0, sinon.
Solution :
Donc
fX (x) = e−x 1{x>0} (x) (loi exponentielle de paramètre 1)
Donc
fY (y) = ye−y 1{y>0} (y)
fX (x) × fY (y) = e−x 1{x>0} (x) × ye−y 1{y>0} (y) 6= e−y 1{0<x<y} (x, y) = f(X,Y ) (x, y)
3. U = Y − X et V = X.
(a) Pour calculer la densité du vecteur (U, V ), on pose le changement de variable (U, V ) =
g(X, Y ), avec l’application g est définie par :
g : R2 → R2
(x, y) 7−→ (u = y − x, v = x)
7
g est bien un C 1 -difféomorphisme de R2 dans R2 , avec g −1 est donnée par :
g −1 : R2 → R2
(u, v) 7−→ (x = v, y = u + v)
Le jacobien de g −1 est égal à :
∂x ∂x
∂u ∂v 0 1
Jg−1 (u, v) = det ∂y ∂y = det = −1.
∂u ∂v
1 1
Donc d’après la formule de changement de variable, la densité conjointe du vecteur (U, V )
est la suivante :
f(U,V ) (u, v) = f(X,Y ) g −1 (u, v) |J(g −1 (u, v))| 1Img (u, v)
= e−(u+v) × | − 1| × 1Img (u, v)
Or 0 < x < y ⇒ 0 < v < u + v ⇒ u > 0 et v > 0.
Donc
f(U,V ) (u, v) = e−(u+v) 1]0,+∞[2 (u, v)
(c) On a : fU (u) × fV (v) = e−(u+v) 1]0,+∞[2 (u, v) = f(U,V ) (u, v) alors les v.a U et V sont
indépendantes.
4. La matrice de covariance du couple (X, Y ) est donnée par :
V(X) cov(X, Y )
Σ=
cov(X, Y ) V(Y )
où V(X) = V(V ) = 1 (c’est la variance de la E(1)).
V(Y ) = V(U + V ) = V(U ) + V(V ) = 1 + 1 = 2 (U et V sont indépendantes et elles suivent
E(1).)
et cov(X, Y ) = cov(V, U + V ) = cov(V, U ) + cov(V, V ) = 0 + V(V ) = 1 (U et V sont
indépendantes ⇒ elles sont non corréllées.)
D’où ;
1 1
Σ=
1 2
8
Exercice 5 :
On dispose d’une v.a X ∼ N (0, 1) et ε une v.a discrète indépendante de X de loi de probabilité
donnée par :
1
P(ε = 1) = P(ε = −1) = .
2
On pose la v.a Y = εX, P.ps
1. Donner la fonction de répartition FY de Y , puis en déduire la loi de Y .
2. Calculer cov(X, Y ).
3. Soit (a, b) ∈ R2 tel que 0 < a < b, alors :
(a) Déterminer P(−a ≤ X ≤ a) et puis P(−b ≤ Y ≤ b)
(b) Déterminer P − a ≤ X ≤ a, −b ≤ Y ≤ b .
4. Les v.a X et Y sont-elles indépendantes ?
Solution :
1. ∀y ∈ R, on a :
Donc les variables X et Y ont la même loi et par la suite Y ∼ N (0, 1).
2. cov(X, Y ) = E(XY ) − E(X)E(Y )
où E(X) = E(Y ) = 0 (car X et Y suivent N (0, 1)).
Et
E(XY ) = E(εX 2 )
= E(X 2 1{ε=1} ) + E(−X 2 1{ε=−1} )
= E(X 2 )E(1{ε=1} ) − E(X 2 )E(1{ε=−1} )
= E(X 2 ) P(ε = 1) − P(ε = −1) (on rappelle que E(1A ) = P(A))
= 0
Doù ;
cov(X,Y)=0
9
3. On a X et Y ∼ N (0, 1) alors :
(a) P(−a ≤ X ≤ a) = FX (a) − FX (−a) = 2FX (a) − 1.
De même,
P(−b ≤ Y ≤ b) = FY (b) − FY (−b) = 2FY (b) − 1 = 2FX (b) − 1 (car X et Y ont la même
loi).
(b)
P −a≤X ≤ a, −b ≤ Y ≤ b
= P −a≤X ≤ a, −b ≤ εX ≤ b
= P −a≤X ≤ a, −b ≤ εX ≤ b, ε = 1) + P − a ≤ X ≤ a, −b ≤ εX ≤ b, ε = −1)
= P −a≤X ≤ a, −b ≤ X ≤ b, ε = 1) + P − a ≤ X ≤ a, −b ≤ −X ≤ b, ε = −1)
= P −a≤X ≤ a, −b ≤ X ≤ b × P(ε = 1) +P − a ≤ X ≤ a, −b ≤ X ≤ b × P(ε = −1)
| {z } | {z }
1/2 1/2
= P − a ≤ X ≤ a, −b ≤ X ≤ b
= P(−a ≤ X ≤ a) (car [−a, a] ⊂ [−b, b])
= 2FX (a) − 1
4. D’une part on : P(−a ≤ X ≤ a) × P(−b ≤ Y ≤ b) = 2FX (a) − 1 × 2FX (b) − 1
D’autre part : P − a ≤ X ≤ a, −b ≤ Y ≤ b = 2FX (a) − 1)
alors on obtient :
PX × PY 6= P(X,Y )
et par la suite les variables aléatoires X et Y ne sont pas indépendantes.
(pourtant qu’elles sont déjà non corréllées car leur covariance vaut 0).
10