Académique Documents
Professionnel Documents
Culture Documents
it
De même, ϕY (t) = e−θ2 (1−e ) , t ∈ R. Par indépendance,
it
ϕX+Y (s) = ϕX (s) ϕY (s) = e−(θ1 +θ2 )(1−e ) , t ∈ R.
1
c) L’indépendance implique que PX+Y = PX ∗ PY (résultat du cours). Calculons le
produit de convolution de PX et PY : pour n ∈ N,
n
X n
X
PX+Y ({n}) = PX ({k})PY ({n − k}) = P (X = k)P (Y = n − k)
k=0 k=0
n
X θ1k −θ2 θ2n−k
= e−θ1 e
k=0
k! (n − k)!
n
−θ1 −θ2
Xθ1k θ2n−k
= e
k=0
k! (n − k)!
n
e−θ1 −θ2 X n k n−k e−θ1 −θ2
= θ θ = (θ1 + θ2 )n .
n! k=0 k 1 2 n!
2
Solution de l’exercice 3. Il y en a beaucoup. Si Cov(X, Y ) > 0, alors avec Z := −Y ,
on aura Cov(X, Y ) < 0. Donc, si X ∈ L 2 n’est pas une constante (pour assurer que
Var(X) > 0 ; par exemple, si X suit la loi gaussienne N (0, 1)) et si Y := −X, alors
Cov(X, Y ) = −Var(X) < 0.
4. Soient p, q ∈ [0, 1] des réels. Soient X et Y des variables aléatoires réelles. On suppose
que X suit la loi de Bernoulli de paramètre p et que Y la loi de Bernoulli de paramètre
q. Montrer que
3
On écrit eisU eitV = ei(s+t)X ei(s−t)Y . L’indépendance permet de voir que
4
a) Soit x ∈ R. Comme {Mn ≤ x} = ∩ni=1 {Xi ≤ x}, on a, grâce à l’indépendance,
n
Y
FMn (x) = P(Xi ≤ x) = [FX1 (x)]n .
i=1
b) Soit x ∈ R. Cette fois-ci, il convient de considérer {In > x}, qui n’est autre que
∩ni=1 {Xi > x}. L’indépendance implique alors que
n
Y
FIn (x) = 1 − P(In > x) = 1 − P(Xi > x) = 1 − [1 − FX1 (x)]n .
i=1
c) Si X1 suit la loi uniforme sur [0, 1], alors In est à valeurs dans [0, 1]. Donc P(nIn ≤
x) = FIn ( nx ) = 0 si x ≤ 0.
Supposons maintenant que x > 0. Pour tout n suffisamment grand, nx ∈ [0, 1], et on
a
x x
P(nIn ≤ x) = 1 − [1 − FX1 ( )]n = 1 − [1 − ]n .
n n
Lorsque n → ∞, l’expression à droite converge vers 1 − e−x .
En conclusion, P(nIn ≤ x) → (1 − e−x )1R+ (x). [On reconnaît la fonction de répar-
tition d’une variable aléatoire suivant la loi exponentielle de paramètre 1.]
8. Soit X une variable aléatoire réelle suivant la loi uniforme sur [−1, 1]. On pose Y :=
X 2.
a) Calculer Cov(X, Y ).
b) Les variables aléatoires X et Y sont-elles indépendantes ?
Solution de l’exercice 8.
a) Les variables aléatoires X et Y étant bornées, on a X, Y ∈ L 2 . La covariance est
donc bien définie. On a
Z 1 Z 1
3
E(X) = xdx = 0, E(X ) = x3 dx = 0.
−1 −1
5
Solution de l’exercice 9. Soit z ∈ R. D’après un résultat du cours (pour fonctions positives
ou bornées),
X
FZ (z) = P(Z ≤ z) = E(1]−∞, z] ( ))
Z ∞Z ∞ Y
x 1 1
1]−∞, z] ( )
2 2
= 1/2
e−x /2 1/2
e−y /2 dxdy.
−∞ −∞ y (2π) (2π)
R∞
avec un changement de variables x = |y|u. Puisque FZ (z) = −∞ I(y)dy, il résulte de
nouveau du théorème de Fubini–Tonelli que
Z z Z ∞ Z z
1 −y2 /2 −y2 u2 /2 1 1
FZ (z) = e e |y|dy du = 2
du .
−∞ −∞ 2π −∞ π 1 + u