Vous êtes sur la page 1sur 3

FST

LMI3,
2020 – 2021.

Enseignants : Pr. NAKOULIMA/ M. KAFANDO


MODULE : Probabilit´
e
Travaux Dirigés 3

Dans tous les exercices, les variables aléatoires considérées sont définies sur un espace de probabilités
(Ω, F, P). De plus tout espace E ⊂ Rd est muni de sa tribu borélienne, et tout espace fini ou dénom-
brable de sa tribu grossière. Toutes les fonctions rencontrées seront considérées comme mesurables
sur leur espace de définition.

Exercice 1. Cocher la ou les réponses correctes et justifier.


n  k
c3n−1 X 2
1. Soit n ≥ 1. Pour quelles valeurs de c > 0 la mesure µ = n+1 n+1
δk est-elle une
3 −2 k=0
3
mesure de probabilité ?
Réponse :  Aucune c=1 c=3  c = 1/3
Justification :

2. Soit f : R → R définie par f (x) = cx exp (−x2 ) 1]0,1[ (x). Pour quelles valeurs de c > 0 la
fonction f est-elle la densité de la loi d’une variable aléatoire ?
2e e 2e
Réponse :  Aucune c= c= c=
e−1 2e + 1 2e + 1
Justification :
(
et/4 si t < 0
3. Soit F : R → R définie par F (t) = . La fonction F est-elle la fonction de
1 si t ≥ 0
répartition d’une variable aléatoire ? Et, si c’est le cas, de quelle loi s’agit-il ?
Réponse :  Non  Oui, de la loi (1 − e1/4 )δ0 (dx) + 14 ex/4 1x<0 λ1 (dx)
 Oui, de la loi (1 − e1/4 )δ0 (dx) + 14 e−x/4 1x<0 λ1 (dx)
 Oui, de la loi 14 ex/4 1x<0 λ1 (dx)
 Oui, d’une autre loi.
Justification :

1
4. Soient p > 1 et X une variable aléatoire à valeurs réelles de loi absolument continue de densité
par rapport à λ1 donnée par

pxp−1
fX (x) = 1x≥0 , ∀x ∈ R.
(1 + xp )2

Pour quelles valeurs de p > 1 la variable aléatoire X 3 est-elle intégrable ?


Réponse :  Aucune  Toutes  p ∈]3, +∞[  p ∈]1, 3[.
Justification :

5. Soit Z = (Z1 , Z2 ) une variable aléatoire à valeurs dans R2 absolument continue et de densité
par rapport à λ2 donnée par
 2
u + v2

1
fZ (u, v) = exp − , ∀(u, v) ∈ R2 .
2π 2

Pour quelles valeurs de n ∈ N la variable aléatoire (Z1 Z2 )n est-elle intégrable ?


Réponse :  Aucune  Toutes n≥4  n ≤ 4.
Justification :

2
t−1
Exercice 2. Soit F : R → R définie par F (t) = 1t≥1 .
t+1
1. Démontrer qu’il existe une variable aléatoire X de fonction de répartition FX = F , puis donner
la loi de X.
2. Soit Y une variable aléatoire à valeurs réelles, de loi exponentielle de paramètre 1, c’est-à-dire
de loi PY (dy) = e−y 1y>0 λ1 (dy). On pose
1 + e−Y
Z= .
1 − e−Y
Montrer que la variable aléatoire Z est bien définie presque sûrement et déterminer sa fonction
de répartition. En déduire la loi de Z.
Exercice 3. Soit X une variable aléatoire de loi exponentielle de paramètre 1. On pose, pour tout
s > 0,
F (s) = E (X s ) .
1. a) Montrer que X s ln X est bien définie et intégrable, pour tout s > 0.
b) Montrer que F :]0, +∞[→ R est une fonction dérivable et montrer que
F 0 (s) = E (X s ln X) , ∀s > 0.
Aide : On pourra montrer que F est dérivable sur ]1/n, n[, pour tout n ∈ N∗ , et utiliser
l’inégalité |xs ln x| ≤ |x1/n ln x| + |xn ln x|, vraie pour tout x > 0 et tout s ∈]1/n, n[.
2. a) Démontrer par récurrence que F (n) = n! pour tout n ∈ N∗ .
b) On considère une suite de variables aléatoires X1 , . . . , Xn , . . ., chacune de loi exponentielle
de paramètre 1. Démontrer que, presque sûrement, la suite ((Xn )n )n∈N est plus petite que
(n + 2)! à partir d’un certain rang.
Aide : On admettra l’inégalité de Markov, qui statue que, pour toute variable aléatoire posi-
E(Y )
tive Y et tout t > 0, P(Y ≥ t) ≤ . On pourra également poser An = {(Xn )n ≥ (n+2)!}.
t
Exercice 4. Pour tout n ∈ N, on considère une variable aléatoire Xn de loi de Bernoulli, de paramètre
(n, p/n), c’est-à-dire telle que
 p k  p n−k
k
P(Xn = k) = Cn 1− , ∀k ∈ {0, 1, . . . , n}.
n n
On considère également une variable aléatoire X de loi de Poisson de paramètre p, c’est-à-dire telle
que
pk e−p
P(X = k) = , ∀k ∈ N.
k!
1. Montrer, en utilisant les équivalents n!/(n − k)! ∼ nk et (1 + x/n)n ∼ ex quand n → +∞, que,
pour tout k ∈ N,
P(Xn = k) −−−→ P(X = k).
n→∞
P∞
2. Montrer que, pour toute fonction f : N → R telle que k=0 |f (k)| < ∞,
E(f (Xn )) −−−→ E(f (X)).
n→∞

Vous aimerez peut-être aussi