Vous êtes sur la page 1sur 3

U NIVERSIT É PARIS -D AUPHINE , 2020-2021 P ROBABILIT ÉS 1, F EUILLE 4

E SP ÉRANCE

Exercice 1 (Lois usuelles). Dans chaque cas, calculer E[X], Var(X) et E[eX ] (si elles existent).
1. X ∼ U({1, . . . , n}) avec n ∈ N∗ .
2. X ∼ B(p) avec p ∈ [0, 1].
3. X ∼ B(n, p) avec n ∈ N et p ∈ [0, 1].
4. X ∼ G(p) avec p ∈]0, 1].
5. X ∼ P(λ) avec λ ∈]0, ∞[.
6. X ∼ U([a, b]) avec a, b ∈ R et a < b.
7. X ∼ E(λ) avec λ ∈]0, ∞[.
8. X ∼ N (µ, σ 2 ) avec µ ∈ R et σ 2 > 0.
9. X ∼ Γ(r, λ) avec λ, r ∈]0, ∞[.
10. X ∼ C(λ) avec λ ∈]0, ∞[.

Exercice 2 (Meilleure prédiction). Soit X une v.a.r. de carré intégrable. Pour a ∈ R, on pose

V (a) := E (X − a)2 .
 

Montrer que V atteint son minimum en un unique point a ∈ R que l’on déterminera. Interpréter.

Exercice 3 (Moments). Dans chaque cas, déterminer E[X n ] pour tout n ∈ N.


1. X ∼ U(]0, 1[).
2. X ∼ N (0, 1).
3. X ∼ E(1).
4. X ∼ Γ(r, λ) avec r, λ > 0.

Exercice 4 (Inégalité de Jensen). Soit ϕ : R → R une fonction convexe de classe C 1 , et X une


v.a.r. qui est intégrable ainsi que ϕ(X). Montrer que

ϕ (E[X]) ≤ E [ϕ(X)] .

Exercice 5 (Queue lourde). Soit α > 0 un paramètre, et soit X une v.a.r. de densité
α
f (x) = 1[1,∞[ (x).
x1+α
1. La variable aléatoire X est-elle intégrable ? Que vaut alors E[X] ?
2. La variable aléatoire X 2 est-elle intégrable ? Que vaut alors Var(X) ?

Exercice 6 (Un classique). Soit X une v.a.r. positive. Le but de cet exercice est de montrer que
Z ∞
E[X] = P(X > t) dt. (1)
0

Notons que la fonction t 7→ P(X > t) est décroissante et positive, de sorte que son intégrale de
Riemann est bien définie (éventuellement +∞). On rappelle la convergence monotone pour
l’intégrale de Riemann : si (fn )n≥1 est une suite croissante
R de fonctions
R positives, de limite f , et
si toutes ces fonctions sont Riemann-intégrables, alors fn (t) dt → f (t) dt lorsque n → ∞.
1. Établir la formule (1) dans le cas particulier où X est à valeurs dans N.
2. On revient au cas général. Soit n ∈ N. Montrer que (1) est valable si l’on remplace X par

b2n Xc
Xn := .
2n

3. Montrer que la suite (Xn )n≥1 croit vers X, et conclure.


4. Plus généralement, montrer que pour tout p > 0,
Z ∞
p
E[X ] = p tp−1 P(X ≥ t) dt.
0

Exercice 7 (Une autre inégalité de Bienaymé-Tchebychev). Soit X une v.a.r. de carré intégrable,
d’espérance µ et de variance σ 2 . Soit a ≥ 0. Le but est d’établir l’inégalité de déviation suivante :

2σ 2
P (|X − µ| ≥ a) ≤ .
σ 2 + a2
1. Cette inégalité est-elle meilleure que celle de Bienaymé-Tchebychev ?
 
2. Pour λ ≥ 0, exprimer E (X − µ + λ)2 en fonction de λ et σ 2 .
3. En utilisant la question précédente et l’inégalité de Markov, montrer que pour tout λ ≥ 0,

λ2 + σ 2
P(X − µ ≥ a) ≤ .
(a + λ)2

4. En déduire que

σ2
P(X − µ ≥ a) ≤ .
σ2 + a2

5. Conclure.

Exercice 8 (Théorème de Stone-Weierstrass). Soit f : [0, 1] → R une fonction continue.


1. Vérifier que pour toute v.a.r. X à valeurs dans [0, 1] et tout δ > 0,

2kf k∞ Var(X)
E [|f (X) − f (E[X])|] ≤ + sup |f (x) − f (y)| .
δ2 |x−y|≤δ
2. En déduire que les polynômes (Bn )n≥1 convergent uniformémement vers f , où
n    
X n k k
Bn (t) := f t (1 − t)n−k .
k n
k=0

3. Étendre ce résultat au cas où [0, 1] est remplacé par un segment [a, b] quelconque.

Vous aimerez peut-être aussi