Académique Documents
Professionnel Documents
Culture Documents
FICM 1A – Probabilités
Corrigé
Exercice 1. (*) Soient A1 , A2 , . . . , An des événements d’un espace de probabilités (Ω, F, P) et
X1 , . . . , Xn les variables aléatoires à valeurs dans {0, 1}, définies par
(
1 si ω ∈ Ai
Xi (ω) = 1Ai (ω) =
0 sinon.
Montrer que les événements A1 , . . . , An sont indépendants si et seulement si les variables aléatoires
X1 , . . . , Xn sont indépendantes.
(1) (0)
où A1 = A1 et A1 = Ac1 . Or, d’après l’exercice 5 du TD 1, nous savons que les événements
(x ) (x )
A1 , . . . , An sont indépendants si et seulement si les événements A1 1 , . . . , An n sont indépendants
pour toute suite x1 , . . . , xn ∈ {0, 1}, c’est-à-dire si et seulement si, pour toute suite x1 , . . . , xn ∈ {0, 1},
n
Y (xi )
P(X1 = x1 , . . . , Xn = xn ) = P(Ai ),
i=1
Les variables aléatoires X1 , . . . , Xn étant discrètes à valeurs dans {0, 1}, nous en déduisons que
cette dernière relation est vérifiée pour toute suit x1 , . . . , xn ∈ {0, 1} si et seulement si les variables
aléatoires X1 , . . . , Xn sont indépendantes.
En définitive, les événements A1 , . . . , An sont indépendants si et seulement si les variables aléatoires
X1 , . . . , Xn sont indépendantes.
1
Solution. 1. X et Y étant indépendantes, la loi du couple (X, Y ) est
P(X,Y ) = PX ⊗ PY .
Comme PX et PY ont pour densité respectives fX (x) = 1x≥0 e−x/λX /λX et fY (y) = 1y≥0 e−y/λY /λY ,
on en déduit que P(X,Y ) est une loi absolument continue, de densité
e−x/λX −y/λY
f(X,Y )(x,y) = fX (x)fY (y) = 1x≥0, y≥0 .
λX λY
On en déduit que
λX λY
T est une v.a. exponentielle de paramètre 1/(1/λX + 1/λY ) = .
λX + λY
Exercice 3. Soient X1 , . . . , Xn des variables aléatoires mutuellement indépendantes telles que, pour
tout i ∈ {1, . . . , n}, Xi est de loi gaussienne de moyenne mi ∈ R et de variance σi2 ≥ 0. Montrer que,
pour toute famille a1 , . . . , an ∈ R, la variable aléatoire
Y = a1 X 1 + · · · + an X n
Yn
E eiuai Xi
=
i=1
n
2 2 a2 /2
Y
= eiuai mi −σi u i
i=1
iu(a1 m1 +···+an mn )−(σ12 a21 +···+σn
2 a2 )u2 /2
=e n .
2
Exercice 4. Soit (X, Y ) un vecteur aléatoire de loi absolument continue dont la densité f est donnée
sur R2 par
√
3 1
f (x, y) = exp − (4x + 2xy + y ) , ∀(x, y) ∈ R2 .
2 2
2π 2
1. Déterminer la loi de X et celle de Y .
Aide : On se souviendra avec profit que, pour tout m ∈ R et tout σ > 0,
1 (x−m)2
√ e− 2σ2 ,
2πσ
est la densité d’une variable d’une loi gaussienne N (m, σ 2 ).
2. Les variables aléatoires réelles X et Y sont-elles indépendantes ?
Solution. 1. Le couple (X, Y ) admettant f comme densité, X admet pour densité la fonction fX
définie sur R par
Z Z √
3 1 2 2
fX (x) = f (x, y)λ1 (dy) = exp − (4x + 2xy + y ) dλ1 (y).
R R 2π 2
Donc, pour tout x ∈ R,
√ Z
3x2
3 1 2
fX (x) = exp − (y + x) − dλ1 (y)
2π R 2 2
√ Z
3 − 3x2 1 2
= e 2 exp − (y + x) dλ1 (y).
2π R 2
D’après l’aide, la fonction y ∈ R 7→ √12π exp − 21 (y + x)2 est la densité d’une loi N (−x, 1)
Le calcul de la loi de Y est analogue. Le couple (X, Y ) admettant f comme densité, Y admet
pour densité la fonction fY définie sur R par
Z
fY (y) = f (x, y) dλ1 (x)
Z √
R
3 1 2 2
= exp − (4x + 2xy + y ) dλ1 (x)
R 2π 2
√ Z
y 2 3y 2
3 4
= exp − (x + ) − dλ1 (x)
2π R 2 4 8
√ Z
3 − 3y2 4 y 2
= e 8 exp − (x + ) dλ1 (x)
2π R 2 4
3
D’après l’aide, la fonction x ∈ R 7→ √22π exp − 42 (x + y4 )2 est la densité sur R d’une loi gaus-
Exercice 5. Soient X et Y deux v.a. indépendantes de loi uniforme sur [0, 1]. On pose U = inf(X, Y )
et V = sup(X, Y ).
1. Calculer la loi de X + Y .
2. (a) Calculer la fonction de répartition de V et en déduire que cette v.a. admet une densité
que l’on explicitera.
(b) Même question pour la variable U .
3. Montrer que T = U/V suit une loi uniforme sur [0, 1].
Aide : On pourra montrer que, pour tout t ∈]0, 1[,
P({U ≤ tV } ∩ {X ≤ Y }) = P(X ≤ tY ).
4
Ainsi,
x si x ∈ [0, 1]
fX+Y (x) = 2 − x si x ∈ [1, 2]
0 sinon.
Par conséquent,
0 si t < 0
FV (t) = t2 si 0 ≤ t ≤ 1
1 si 1 < t.
5
Par conséquent,
0 si t < 0
FU (t) = 1 − (1 − t)2 si 0 ≤ t ≤ 1
1 si 1 < t.
La fonction FU est continue sur R et est C 1 sauf peut-être en 0 et en 1. Par ailleurs, pour
tout u ∈ R \ {0, 1}, par
FU0 (u) = 2(1 − u)1]0,1[ (u).
Par conséquent, la variable aléatoire réelle U admet pour densité la fonction fU définie
sur R par
fU (u) = 2(1 − u)1]0,1[ (u).
U
3. Posons T = V
. Remarquons que T est définie presque sûrement car
Z
P(V = 0) = fV (v)λ1 (dv) = 0.
{0}
6
Exercice 6. Soit (Xn )n∈N une suite de variables aléatoires indépendantes de même loi, de fonction
caractéristique ϕ. Soit Y une variable aléatoire réelle de loi P(λ), où λ > 0. Nous supposons que les
variables aléatoires Y et Xn , n ∈ N, sont mutuellement indépendantes. Posons
Y
X
Z= Xn ,
n=1
P0
avec la convention n=1 Xn = 0 (on admettra que Z est mesurable).
1. Déterminer la fonction caractéristique de Z.
2. Supposons que, pour tout n ≥ 0, Xn admet des moments de tout ordre (c’est-à-dire que X p
est intégrable pour tout p ∈ N).
(a) Soit p ∈ N. Est-ce que Z admet un moment d’ordre p ?
(b) Déterminer, si elle existe, la variance de Z, c’est-à-dire Var(Z) = E(Z 2 ) − E(Z)2 .
Solution. 1. Notons ϕZ la fonction caractéristique de Z. Fixons t ∈ R. Alors,
PY
itZ it n=0 Xn
ϕZ (t) = E e =E e .
Nous ne pouvons pas utiliser directement l’indépendance des Xn car le nombre de termes dans
la somme (qui définit Z) est aléatoire. Nous allons utiliser le fait que
X
1Y =p = 1 presque sûrement
p∈N
Pp
et que, pour p fixé, si Y (ω) = p, alors Z(ω) = n=1 Xn (ω) (nombre de termes fixe). Ainsi,
∞
!
X Pp
ϕZ (t) = E eit n=1 Xn
1Y =p .
p=0
Nous échangeons à présent somme et espérance, cela est possible d’après le théorème de Fubini,
car
∞
! ∞
!
X Pp X
it n=1 Xn
e 1Y =p = E 1Y =p = 1 < ∞.
E
p=0 p=0
Par conséquent,
∞
X Pp
ϕZ (t) = E eit n=1 Xn 1Y =p .
p=0
car ϕ est la fonction caractéristique de Xn , n ∈ N. Cette relation est également vraie pour
p = 0 étant donnée la convention adoptée dans l’énoncé, donc
∞
X
ϕZ (t) = P(Y = p)ϕ(t)p
p=0
7
Par conséquent,
∞
X e−λ λp
ϕZ (t) = ϕ(t)p = eλ(ϕ(t)−1) , ∀t ∈ R.
p=0
p!
En définitive,
Exercice 7. (*) Soit (Yn )n∈N une suite de variables aléatoires à valeurs dans N, indépendantes et de
même loi.
1. Montrer que
∞
X
P(Yn ≥ n) = E(Y0 ) + 1.
n=0
2. En déduire que la suite (Yn /n)n∈N est bornée par 1 à partir d’un certain rang avec probabilité 1
si et seulement si elle est bornée par 1 avec probabilité non nulle, si et seulement si E(Y0 ) < ∞.
Aide : on pourra définir les événements An = {Yn /n ≥ 1}, ∀n ∈ N.
3. Soit c > 0. Montrer que la suite (Yn /n)n∈N est bornée par c à partir d’un certain rang avec
probabilité c si et seulement si elle est bornée par 1 avec probabilité non nulle, si et seulement
si E(Y0 ) < ∞.
Aide : on considèrera la suite de variables aléatoires indépendantes et de même loi (dYn /ce/n)n∈N .
4. Montrer que la suite (Yn /n)n∈N tend vers 0 presque sûrement si et seulement si E(Y0 ) < ∞.
5. Montrer que la suite (Yn /n)n∈N tend vers 0 presque sûrement si et seulement si elle est bornée
à partir d’un certain rang avec probabilité non nulle.
8
Démonstration. 1. Étant donné que les variables aléatoires Y0 , . . . , Yn , . . . ont même loi, nous avons
P(Yn ≥ n) = P(Y0 ≥ n), pour tout n ∈ N. Or
∞
X ∞ X
X ∞
P(Y0 ≥ n) = P(Y0 = k)
n=0 n=0 k=n
X∞ X k
= P(Y0 = k) par Th. de Fubini (termes positifs)
k=0 n=0
∞
X
= (k + 1)P(Y0 = k) = E(Y0 + 1) = E(Y0 ) + 1,
k=0
d’après le théorème du transport (que l’on peut appliquer, car Y0 est positive presque sûrement)
et par linéarité de l’espérance. En définitive,
∞
X
P(Yn ≥ n) = E(Y0 ) + 1.
n=0
Donc, d’après le lemme de Borel-Cantelli, un nombre fini d’événements An est réalisé avec pro-
babilité 1 si et seulement si c’est le cas avec probabilité strictement positive (car cet événement
est de probabilité 0 ou 1), si et seulement si E(Y0 ) < ∞. En d’autres termes, Yn /n ≥ 1 est faux
après un certain rang avec probabilité 1, si c’est le cas avec probabilité strictement positive, si
et seulement si E(Y0 ) < ∞. Ceci nous permet de conclure que la suite (Yn /n)n∈N est bornée par
1 à partir d’un certain rang avec probabilité 1 si et seulement si c’est le cas avec probabilité
strictement positive, si et seulement si E(Y0 ) < ∞.
Remarquons que, en utilisant la même démarche, on montre que, E(Y0 ) = ∞ si et seulement
si la suite (Yn /n)n∈N n’est pas bornée par 1 à partir d’un certain rang avec probabilité 1, si et
seulement si c’est le cas avec probabilité strictement positive.
3. En appliquant le résultat de la question précédente à la suite de variables aléatoires indépen-
dantes et de même loi (dYn /ce)n∈N , nous déduisons que la suite (dYn /ce/n)n∈N est bornée par
1 à partir d’un certain rang avec probabilité 1 si et seulement si c’est le cas avec probabi-
lité strictement positive, si et seulement si E(dY0 /ce) < ∞. Or, par croissance et linéarité de
l’intégrale,
donc
9
Nous avons donc obtenu que la suite (dYn /ce/n)n∈N est bornée par 1 à partir d’un certain
rang avec probabilité 1 si et seulement si c’est le cas avec probabilité strictement positive, si et
seulement si E(Y0 ) < ∞. Or, pour tout y ∈ N,
dy/ce/n ≤ 1 ⇐⇒ y/c ≤ n
⇐⇒ y/n ≤ c.
En conséquence, nous avons montré que la suite (Yn /n)n∈N est bornée par c à partir d’un certain
rang avec probabilité 1 si et seulement si c’est le cas avec probabilité strictement positive, si et
seulement si E(Y0 ) < ∞.
4. Si la suite (Yn /n)n∈N tend vers 0 presque sûrement, alors, pour tout ε > 0, elle est bornée par
ε à partir d’un certain rang avec probabilité 1, donc E(Y0 ) < ∞ d’après la question 3.
Réciproquement, supposons E(Y0 ) < ∞. Alors, pour tout ε > 0, la suite (Yn /n)n∈N est bornée
par ε > 0 à partir d’un certain rang avec probabilité 1. Autrement dit, la suite (Yn /n)n∈N
converge vers 0 avec probabilité 1.
5. Si la suite (Yn /n)n∈N tend vers 0 presque sûrement, alors, pour tout ε > 0, elle est bornée par
ε à partir d’un certain rang avec probabilité 1, donc elle est bornée à partir d’un certain rang
avec probabilité 1 (donc non nulle).
Réciproquement, supposons que la suite (Yn /n)n∈N est bornée à partir d’un certain rang avec
probabilité non nulle. Alors il existe c > 0 tel que (Yn /n)n∈N est bornée par c à partir d’un
certain rang avec probabilité non nulle. On en déduit, d’après la question 3, que E(Y0 ) < ∞.
Donc, pour tout ε > 0, la suite (Yn /n)n∈N est bornée par ε > 0 à partir d’un certain rang avec
probabilité 1. Autrement dit, la suite (Yn /n)n∈N converge vers 0 avec probabilité 1.
10