Vous êtes sur la page 1sur 2

)67

/0,


(QVHLJQDQW0.$)$1'2

3UREDELOLWpV

7'  9HFWHXUVJDXVVLHQV 6XLWHVGHYDULDEOHVDOpDWRLUHV


 
1 ρ
Exercice 1. Posons Γ = , où |ρ| < 1.
ρ 1
1. Montrer qu’il existe un vecteur gaussien X = t (X1 , X2 ) de moyenne nulle et de matrice de
covariance Γ.
2. On pose
1 1
Y1 = √ (X1 + X2 ) et Y2 = √ (X1 − X2 ).
2 2
(a) Montrer que Y = t (Y1 , Y2 ) est un vecteur gaussien et calculer la matrice de covariance du
vecteur Y .
(b) Les variables aléatoires Y1 et Y2 sont-elles indépendantes ?
(c) Montrer que la loi de Y admet une densité fY .
(d) (*) Donner son expression en fonction de ρ.

Exercice 2. Considérons la matrice


 
1 0 −1
Γ= 0 2 2 
−1 2 5
1. Montrer qu’il existe un vecteur X = t (X1 , X2 , X3 ) de moyenne m = t (0, 1, 1) et de matrice de
covariance Γ.
2. Préciser les relations d’indépendance entre les coordonnées de X.
3. Posons
Y1 = X1 + X3 , Y2 = αX1 + 2X2 + βX3 et Y3 = −X1 − X2 + X3 .
(a) Montrer que Y = t (Y1 , Y2 , Y3 ) est un vecteur gaussien dont on donnera les paramètres.
(b) Les variables aléatoires Y1 , Y2 et Y3 sont-elles mutuellement indépendantes ?
(c) Pour quelles valeurs de (α, β), les variables Y2 et Y3 sont-elles indépendantes ?

Exercice 3. Montrer que la matrice M suivante n’est pas symétrique positive (a, b, c, d sont des
constantes non nulles).
 
a b c d
 b 0 b d 
 
 c b a c 
d d c d

1
Exercice . Soit (Xn )n∈N∗ une suite de v.a. indépendantes. Supposons que pour tout n ∈ N∗ , la loi
de Xn est la loi de Bernoulli de paramètre 1/n.
1. Montrer que (Xn )n∈N∗ converge en loi vers une v.a. X que l’on précisera.
2. Montrer que (Xn )n∈N∗ converge dans L1 et préciser la limite.
3. (*) La suite (Xn )n∈N∗ converge-t-elle presque sûrement ?

Exercice . Soient a ∈ R et (Xn )n∈N une suite de v.a. à valeurs réelles définies sur le même espace
Loi P roba
de probabilité. Montrer que Xn −→ a si et seulement si Xn −→ a.
Aide : on pourra utiliser l’inégalité de Markov pour majorer la quantité P(|Xn − a| ∧ 1 > ǫ), avec
ǫ > 0.

Exercice . Soient (Xn )n∈N une suite de v.a. à valeurs dans N et µ une mesure de probabilité sur
N.
1. Supposons que pour tout k ∈ N, lim P(Xn = k) = µ({k}). Montrer que (Xn )n∈N converge en
n→+∞
loi et préciser la loi limite.
Loi
2. (*) Montrer que si Xn −→ X, alors, pour tout k ∈ N, lim P(Xn = k) = P(X = k).
n→+∞

Vous aimerez peut-être aussi