Université Paris Descartes

UFR de Mathématiques et Informatique

45, rue des Saints-Pères
75270 Paris cedex 06

Devoirs
Licence de Mathématiques
Probabilités 5

2019-2020
2
Table des matières

1 Devoir n˚1 4

2 Devoir n˚2 6

3 Devoir n˚3 7

3
 Devoir n˚1
12 novembre 2019 (1h)

Exercice 1.
Soit X une variable aléatoire réelle, définie sur un espace de probabilité (Ω, P).

1. Après avoir justifié l’existence du terme de droite, montrer l’inégalité : pour tout t > 0
on a

tP(X > t) ≤ E [X1X>t ]

2. En déduire que si X admet une espérance finie, alors :

1
 
P(X > t) = o en + ∞
t
Aide simple : On pourra utiliser le théorème de convergence dominée.

3. En déduire, sous les mêmes hypothèses :

1
 
P(|X| > t) = o en + ∞
t

Exercice 2.
Soit (Ω, P) un espace de probabilité.

1. Soit Z une variable aléatoire à valeurs dans N∗ , (Xn , n ≥ 1) une suite de variables
aléatoires réelles indépendantes de Z. Pour tout n ≥ 1, on note Fn la fonction de
répartition de Xn et an = P(Z = n). On définit

+∞
X
Y = Xn 1Z=n
n=1
Vérifier que pour tout ω ∈ Ω

Y (ω) = XZ(ω) (ω)

En déduire que cette somme est bien définie et déterminer la fonction de répartition de
Y en fonction de (an , n ≥ 1) et (Fn , n ≥ 1).

2. Soit U une variable aléatoire réelle de fonction de répartition F et a ∈]0, 1[. Montrer
que la fonction G = (1−a)F
1−aF
est une fonction de répartition.

3. Proposer une construction explicite d’une variable aléatoire V de fonction de répartition

G. Cette construction sera similaire à celle qui existe pour Y , à partir d’une variable
aléatoire discrète et de variables aléatoires de même loi que U .

4
Exercice 3.

Soit (X, Y ) un vecteur aléatoire dont la loi admet la densité

y −y
∀(x, y) ∈ R2 , f(X,Y ) (x, y) = e x 1]0,1] (x)1R+ (y)
x2

1. Calculer la loi de X, celle de Y et celle de e−Y . Les variables X et Y sont-elles

indépendantes ?
 
Y
2. Calculer la loi du couple (U, V ) = X, X . Les variables U et V sont-elles indépen-
dantes ?

3. Calculer P(Y < X).

5
 Devoir n˚2
12 novembre 2019 (1h)

Exercice 1.
Soit f la fonction définie par :
√ 1
 1
∀x ∈ R, f (x) = sin 3x 3 e−x 3 1x>0

1. Vérifier que pour tout k ≥ 0 l’intégrale xk f (x) dx est absolument convergente.

R
R

R +∞ n −u(1−i√3)
2. Soit n ≥ 0. Calculer par récurrence l’intégrale In = u e
0 du

xk f (x) dx pour tout k ≥ 0.

R
3. En déduire la valeur de R

4. En déduire deux lois de probabilité distinctes ayant les mêmes moments à tout ordre.

Exercice 2.
Soit X et Y deux variables aléatoires réelles bornées définies sur un même espace de probabilité.

1. Montrer que leurs fonctions caractéristiques sont développables en série entière.

2. En déduire que si

h i h i h i
E X kY l = E X k E Y l
pour tous k, l ≥ 0, alors X et Y sont indépendants.

Exercice 3.
Soit (X, Y, Z) un vecteur aléatoire à valeurs dans [1, +∞[3 , dont la loi de probabilité est
caractérisée par la densité

α(α + 1)(α + 2)
∀(x, y, z) ∈ [1, +∞[3 , f (x, y, z) =
(x + y + z − 2)α+3
avec α > 0. Il s’agit d’une loi de Pareto multivariée.

1. Déterminer sa fonction de répartition.

2. Déterminer la loi de (X, Y ), de min(X, Y ), de X + Y et de X.

3. X, Y et Z sont-elles indépendantes ?

4. On suppose désormais α > 2. Vérifier que les variables aléatoires X, Y et Z sont de

carré intégrables, puis calculer leur matrice de covariance.

6
 Devoir n˚3
12 novembre 2019 (1h)

Exercice 1.
Pour toute variable aléatoire X à valeurs dans R+ , on définit sa transformée de Laplace par :
h i
∀u > 0, LX (u) = E e−uX

1. Justifier l’existence de cette fonction.

2. Soit Y une variable aléatoire de loi exponentielle, de paramètre λ > 0. Déterminer LY .

3. Soit X une variable aléatoire à valeurs positives, indépendante de Y et admettant une

densité fX . Montrer que

P(Y > X) = LX (λ)

4. Soit X1 , . . . , Xn une famille de variables aléatoires indépendantes, positives et admettant

une densité. On suppose de plus que X1 , . . . , Xn , Y sont indépendantes. Montrer que :

P (Y > X1 + · · · + Xn ) = P (Y > X1 ) · · · P (Y > Xn )

5. Avec les mêmes hypothèses, on définit M = max (X1 , . . . , Xn ).

5.1. Montrer que :

P (2M > X1 + · · · + Xn ) = nP (X1 > X2 + · · · + Xn )

5.2. On suppose de plus que X1 , . . . , Xn suivent une loi exponentielle de paramètre λ.

Calculer P (X1 > X2 ) et en déduire une expression explicite de P (2M > X1 + · · · + Xn ).

Exercice 2.
1. Vérifier que la fonction définie sur R2 par

4y
f (x, y) =1∆ (x, y)
x3
avec ∆ = {(x, y) ∈ R2 / 0 < x < 1 et 0 < y < x2 } est une densité de probabilité.

2. Soit (X, Y ) un vecteur aléatoire à valeurs dans R2 et de densité f .

Déterminer les lois (marginales) de X et de Y .

3. Après en avoir justifié l’existence, calculer E [X n Y p ] pour tous n, p ∈ N. En déduire la

matrice de covariance de (X, Y ).

4. X et Y sont-elles indépendantes ?

5. Déterminer la loi de Z = XY .