Vous êtes sur la page 1sur 8

École Supérieure Privée d’Ingénierie et de Technologies

Probabilité I
Corrigé de la série d’exercices №2 :
Fonctions génératrice et caractéristique d’une variable aléatoire réelle

Niveau : 4ème année D.S & INFINI Année universitaire : 2021-2022

Exercice 1 :
Énoncé :

Soit X une v.a. à valeurs dans N. On définit sa fonction génératrice GX par :


∀z ∈ [−1, 1], GX (z) = k (3 + 2z 2 )3 , où k ∈ R.

1. Déterminer la constante k.
2. Déterminer la loi de probabilité de la v.a. X.
3. Calculer l’espérance et la variance de X.

Solution :
1. Déterminer la constante k.
Par définition de la fonction génératrice, on a :

+∞
X 1
GX (1) = P(X = n) = 1 ⇒ k (3 + 2)3 = 1 ⇒ 125k = 1 ⇒ k =
125
n=0

2. Déterminer la loi de probabilité de la v.a. X.


Notons que :

D’une part X est bien une v.a. à valeurs discrètes, autrement dit son espace d’arrivée noté
E est une partie de N N
(E ⊆ ) ou bien N
tout entier.
D’autre part, il est clair que la fonction génétratice GX est un polynôme de degré 6, donc :
(n)
∀n ≥ 7, GX (z) = 0, z ∈ [−1, 1]

1 (n)
Or comme P(X = n) = n! GX (0), alors on déduit que :

∀n ≥ 7, P(X = n) = 0, et par la suite E ⊆ {0, . . . , 6}.

1
Passons maintenant aux calculs de la probabilités de chaque éventualité :

GX (0) 27
P(X = 0) = =
0! 125
1 G0 (0)
G0X (z) = (48z 5 + 144z 3 + 108z) ⇒ P(X = 1) = X =0
125 1!
00
1 G (0) 54
G”X (z) = (240z 4 + 432z 2 + 108) ⇒ P(X = 2) = X =
125 2! 125
(3)
(3) 1 G (0)
GX (z) = (960z 3 + 864z) ⇒ P(X = 3) = X =0
125 3!
(4)
(4) 1 G (0) 36
GX (z) = (2880z 2 + 864) ⇒ P(X = 4) = X =
125 4! 125
(5)
(5) 1 G (0)
GX (z) = (5760z) ⇒ P(X = 5) = X =0
125 5!
(6)
(6) 1 G (0) 8
GX (z) = (5760) ⇒ P(X = 6) = X =
125 6! 125

On remarque que les éventualités {X = 1}, {X = 3} et {X = 5} ne se réalisent pas ce qui


implique que X est une v.a. à valeurs dans E = {0, 2, 4, 6}.

3. Calculer l’espérance et la variance de X.


D’après le cours et en utilisant le lien entre la fonction génératrice d’une v.a discrète et ses
moments, on a :
— L’espérance de X est :
12
E[X] = G0X (1) =
5
— La variance de X est :
00 156 12  12 2 72
V[X] = GX (1) + G0X (1) − (G0X (1))2 = + − = .
25 5 5 25

Exercice 2 :
Énoncé :
On considère une expérience aléatoire ayant la probabilité p ∈]0, 1] de réussir et q = 1 − p
d’échouer. On répète l’expérience indépendamment jusqu’à l’obtention de n ≥ 1 succès et l’on note
par Xn le nombre d’essais nécessaires à l’obtention de ces n succès.
1. Reconnaı̂tre la loi de X1 .
2. Déterminer la loi de Xn dans le cas général, n ∈ N∗.

2
3. Déterminer la fonction génératrice de Xn et en déduire son espérence.
1
(Indication : en utilisant le développement de Taylor, on a, pour |x| < 1 : f (x) = (1−x)n =
P+∞ n−1 k
k=0 Cn+k−1 x )

Solution :

1. Reconnaı̂tre la loi de X1 .
Il s’agit d’une expérience aléatoire à deux issues possibles (soit succès, soit échec), bien
évidemment ici il s’agit d’une épreuve de Bernoulli avec probabilité de succès p. De plus,
la v.a. X1 désigne le nombre d’épreuves de Bernoulli indépendantes nécessaires pour obte-
nir le premier succès. Alors X1 suit une loi géométrique de paramètre p et on note X ∼ G(p).

2. Déterminer la loi de Xn dans le cas général, n ∈ N∗ .


D’une part, la v.a. Xn désigne le nombre d’épreuves nécessaires pour obtenir n succès. Donc,
il nous faut au moins n répétitions pour avoir les n succès. Ceci implique que :

Xn (Ω) = {n, n + 1, . . . , +∞}, n ∈ N∗ .

D’autre part, on pose (Yi )i∈N∗ une suite de v.a. de même loi de Bernoulli de paramètre p,
indépendantes testant la réussite de chaque expérience. Soit m ≥ n, on définit les évènements
suivants :

A : ”Xn = m”, B : ”Y1 + · · · + Ym−1 = n − 1”, C : ”Ym = 1”

Alors on remarque que l’évènement A = B ∩ C, ce qui entraine en utilisant l’indépendance


que :

∀m ∈ Xn (Ω), P(Xn = m) = P(Y1 + · · · + Ym−1 = n − 1, Ym = 1)


= P(Y1 + · · · + Ym−1 = n − 1) × P(Ym = 1)
n−1 n−1
= Cm−1 p (1 − p)m−1−(n−1) × p
n−1 n−1
= Cm−1 p (1 − p)m−n × p
n−1 n
= Cm−1 p (1 − p)m−n

3. Déterminer la fonction génératrice de Xn et en déduire son espérance.

- Détermination de la fonction génératrice : Par définition de la fonction génératrice,

3
on a pour z ∈ [−1, 1] :
X
GXn (z) = P(Xn = k) z k
k∈Xn (Ω)
X
n−1 n
= Ck−1 p (1 − p)k−n z k
k∈Xn (Ω)
X
n−1 n k−n k
= Ck−1 p q z
k∈Xn (Ω)
+∞
X
n−1 n k−n k
= Ck−1 p q z
k=n
+∞
k0 =k−n 0 0
X
= Ckn−1 n k k +n
0 +n−1 p q z
k0 =0
+∞
0 0
X
= (pz) n
Ckn−1
0 +n−1 q
k k
z
k0 =0
+∞
0
X
= (pz)n Ckn−1
0 +n−1 (qz)
k

k0 =0

En utilisant le fait que :


+∞
X 0 1
Ckn−1
0 +n−1 x
k
=
(1 − x)n
k0 =0

On en déduit que :
1 pz n
GXn (z) = (pz)n n
=( )
(1 − qz) 1 − qz

- Détermination de l’espérance : D’après le cours et en utilisant le lien entre la fonc-


tion génératrice d’une variable aléatoire discrète et ses moments, l’espérance de Xn se
calcule par :
0
E(Xn ) = GXn (1).
Or ∀z ∈] − 1, 1[, on a :
0
 pz 0
GXn (z) = ( )n
1 − qz
 p(1 − qz) + pqz  pz n−1
=n 2
( )
(1 − qz) 1 − qz
(pz)n−1
= np
(1 − qz)n+1
D’où,
0 n
E(Xn ) = GXn (z)|z=1 = .
p

4
Exercice 3 :
Énoncé :

1. Donner la fonction caractéristique de Y dans les cas suivants :


(a) Si Y suit la loi de Poisson de paramètre λ > 0.
(b) si Y suit une loi exponentielle symétrique de paramètre λ > 0 (i.e. la densité de Y est
donnée par :∀y ∈ R, f (y) = λ2 e−λ|y| ).
2. En déduire E(Y ) et V(Y ) dans chacunes des situations précédentes (P(λ) et loi exponentielle
symétrique).
Solution :

1. Donner la fonction caractéristique de Y .


(a) Si Y suit la loi de Poisson de paramètre λ > 0
Comme Y (Ω) = N, alors pour t ∈ R, on a :
ΦY (t) = E[eitY ]
+∞
X
= eitn P(Y = n)
n=0
+∞
X λn
= e−λ eitn
n!
n=0
 n
+∞ λeit
X
= e−λ
n!
n=0
 
= e−λ × exp(λeit ) = exp λ(eit − 1)

(b) Si Y suit une loi exponentielle symétrique de paramètre λ (i.e. de densité f (y) = λ2 e−λ|y| ).
Pour t ∈ R, on a :
ΦY (t) = E[eitY ]
Z +∞ Z 0
λ λ
= eitx e−λx dx + eitx eλx dx
0 2 −∞ 2
On rappelle queR si X suit une loi exponentielle alors sa fonction caractéristique est donnée
+∞
par ΦX (t) = λ 0 eitx e−λx dx = λ−it λ
alors :
λ  ΦX (t) ΦX (−t) 
ΦY (t) = +
2 λ λ 
λ 1 1
= +
2 λ − it λ + it
 
λ λ + it λ − it
= +
2 (λ + it)(λ − it) (λ + it)(λ + it)
λ2
= .
λ2 + t2

5
(c) En déduire E(Y ) et V(Y ) dans chacunes des situations précédentes (P(λ) et loi expo-
nentielle symétrique)

i. Loi P(λ) :
  
∗ E(Y ) = −iΦ0Y (0) = −i × λieit exp λ(eit − 1) |t=0 = −i × λi = λ
 2
∗ V(Y ) = −Φ00Y (0) + Φ0Y (0) = λ + λ2 + (λi)2 = λ
   
avec Φ00Y (t) = −λeit exp λ(eit − 1) − λ2 eit × eit exp λ(eit − 1)
ii. Loi exponentielle symétrique :
 λ2 0  −2λ2 t 
∗ E(Y ) = −iΦ0Y (0) = −i × |t=0 = −i × |t=0 = 0
λ2 + t2 (λ2 + t2 )2
 2  2λ2 (λ2 − 3t2 )  2
∗ V(Y ) = −Φ00Y (0) + Φ0Y (0) = −Φ00Y (0) = |t=0 = 2
(λ2 + t2 )3 λ
−2λ2 (λ2 −3t2 )
avec Φ00Y (t) = (λ2 +t2 )3
.

Exercice 4 :
Énoncé :
Une variable aléatoire X est dite une variable χ2n , chi-carrée à n ≥ 1 degrés de liberté, si

X = X12 + X22 + . . . + Xn2 ,

où les Xi sont i.i.d ∼ N (0, 1), 1 ≤ i ≤ n.


i. Si X ∼ χ2n , calculer E(X) et V(X).
ii. À l’aide des fonctions caractéristiques, montrez que si X ∼ χ2n , Y ∼ χ2m , X et Y étant
indépendantes, alors X + Y ∼ χ2n+m .
Solution :

i. Si X ∼ χ2n , calculez E[X] etV[X].

Xn n
X n
X n
X
E[X] = E[ Xi2 ] = E[Xi2 ] = V[Xi ] + (E[Xi ])2 = 1=n
i=1 i=1 i=1 i=1

n n n  
X X X 2
V[X] = V[ Xi2 ] = V[Xi2 ] = E[Xi4 ] − (E[Xi2 ]) .
i=1 i=1 i=1

6
Or, à l’aide d’une intégration par parties,
Z
4 1 2
E[Xi ] = x4 √ e(−x /2) dx
R
Z 2π
1 2
= √ x3 (xe(−x /2) )dx
2π R
1 −x2
+∞ 1
Z
−x2 −x2
= √ [x (−e 3 2 )]−∞ − √ 3x2 (−e 2 )dx, (avec u(x) = x3 , v 0 (x) = xe 2 )
2π Z 2π R
1 −x2
= 0 + 3√ x2 e 2 dx
2π R
= 3E[X 2 ], (X ∼ N (0, 1))
= 3

D’où ;
n   n
X 2 X
V[X] = E[Xi4 ] − (E[Xi2 ]) = (3 − 1) = 2n.
i=1 i=1

ii. À l’aide des fonctions caractéristiques, montrez que si X ∼ χ2n et Y ∼ χ2m , X et Y


étant indépendantes, alors X + Y ∼ χ2n+m .

La première étape : Détermination de la fonction caractéristique d’une v.a χ2n :


Calculons la fonction caractéristique de X 2 lorsque X ∼ N (0, 1).
2
∀t ∈ R, ΦX 2 (t) = E[eitX ]
Z +∞
2 1 −x2
= eitx √ e 2 dx
−∞ 2π
Z +∞ 2
1 −(1−2it)x
= √ e 2 dx
−∞ 2π
On cherche maintenant
p à faire apparaı̂tre la forme d’une densité normale, alors
on pose u = x (1 − 2it) et on trouve que :
Z +∞
1 1 − u2
2
ΦX 2 (t) = √ × × e du
−∞ 2π (1 − 2it)1/2
Z +∞
1 1 − u2
= √ e 2 du
(1 − 2it)1/2 −∞ 2π
1
=
(1 − 2it)1/2

Maintenant pour la somme de n variables Xi2 indépendantes 1 ≤ i ≤ n, on a


n
Φχ2n (t) = (1 − 2it)− 2

La deuxième étape : Calcul de la fonction caractéristique somme de deux χ2n :


Par indépendance, la fonction caractéristique de la v.a. somme X + Y , où X ∼ χ2n

7
et Y ∼ χ2m , est donnée par :

φX+Y (t) = φX (t)φY (t)


n m
= (1 − 2it)− 2 × (1 − 2it)− 2
n+m
= (1 − 2it)− 2 .

D’où,
X + Y ∼ χ2n+m

Vous aimerez peut-être aussi