Vous êtes sur la page 1sur 2

Corrige du controle continu 1

Responsable du cours: I. Nourdin (inourdin@gmail.com)


Exercice I. Soit X une variable aleatoire dont la densite f
X
est denie par:
f
X
(x) =

a(1 x) si x [0, 1]
0 sinon
.
1) Que vaut a?
2) Calculer la fonction de repartition F
X
de X.
3) En appliquant la methode de la fonction de repartition inverse, proposer une methode
de simulation de X.
Solution I. 1) On doit avoir
1 =

f
X
(x)dx = a

1
0
(1 x)dx = a

x
x
2
2

1
0
=
a
2
.
Do` u a = 2.
2) Soit x R. Il y a trois cas:
a) si x 0 alors F
X
(x) = P(X x) =

f
X
(u)du = 0.
b) si 0 < x < 1 alors F
X
(x) = P(X x) =

f
X
(u)du = 2

x
0
(1 u)du = 2x x
2
.
c) si x 1 alors F
X
(x) = P(X x) =

f
X
(u)du = 1.
3) Soit u ]0, 1[. On cherche `a resoudre lequation (dinconnue x)
F
X
(x) = u. (1)
Dej`a, on voit que x ]0, 1[ necessairement. Donc (1) equivaut `a 2x x
2
= u, cest-`a-dire
x
2
2x + u = 0. Calculons le discriminant: = 4(1 u) > 0. La seule solution dans
]0, 1[ est x = 1

1 u. Dapr`es le cours, on sait que 1

1 U (o` u U U
[0,1]
) a la
meme loi que X, ce qui fournit un moyen de simuler X. (Remarque: Comme 1 U a
meme loi que U, on a aussi que 1

U a meme loi que X).


Exercice II. 1) Montrer que = 4

1
0

1 x
2
dx.
2) Expliquer comment se servir de ce resultat pour estimer `a laide de la methode de
Monte-Carlo. On precisera le temps de calcul (cest-`a-dire la valeur de n) necessaire si on
veut obtenir un resultat `a 10
1
pr`es avec une abilite de 95%.
Solution II. 1) On a, en faisant le changement de variable x = sin u:
4

1
0

1 x
2
dx = 4

2
0
cos
2
udu = 2

2
0

1 + cos(2u)

du = 2

u +
sin(2u)
2

2
0
= .
2) Soient U
1
, . . . , U
n
une suite de variables aleatoires independantes et de meme loi, `a
savoir U
[0,1]
. Posons
f(x) =

1 x
2
si x [0, 1]
0 sinon
et I
n
(f) =
1
n

f(U
1
) + . . . + f(U
n
)

.
Dapr`es le cours, on sait quon a |I
n
(f) | 10
1
avec 95% de certitude si n 400
2
,
o` u
2
= Var

f(U
1
)

. Or
Var

f(U
1
)

= E

f
2
(U
1
)

2
= 16

1
0
(1 x
2
)dx
2
=
32
3

2
11 9 = 2
(on consid`ere quon sait dej`a que 3). Ainsi, si n 800, on est certain `a 95% que
I
n
(f) donnera une approximation de avec au moins un chire exact derri`ere la virgule.
(Remarque: Appliquer la methode de Monte-Carlo pour estimer nest donc pas une tr`es
bonne idee...!).
Exercice III. Soit (X
1
, . . . , X
n
) un n-echantillon dune variable aleatoire X `a densite
f
X
donnee par
f
X
(x) =

2x

2
si x [0, ]
0 sinon
,
o` u > 0 est inconnu. On pose T = max(X
1
, . . . , X
n
).
1) Calculer la fonction de repartition F
T
de T.
2) T est-il un estimateur sans biais de ?
Solution III. 1) On voit que T prend ses valeurs dans [0, ]. Donc, si t < 0, on a
P(T t) = 0 tandis que si t > , on a P(T t) = 1. Supposons maintenant que t est
dans [0, ]. Alors
P(T t) = P(X
1
t, . . . , X
n
t)
= P(X
1
t) . . . P(X
n
t) car les X
i
sont independantes
= P(X
1
t)
n
car les X
i
ont la meme loi
=

t
0
2xdx

n
=

2n
.
2) Grace `a la question precedente, en derivant F
T
, on obtient que T est `a densite donnee
par
f
T
(t) =

2nt
2n1

2n
si t [0, ]
0 sinon
.
Ainsi:
E(T) =
2n

2n


0
t
2n
dt =
2n

2n


2n+1
2n + 1
=
2n
2n + 1
=
donc T nest pas un estimateur sans biais de .
2