Master 1 MFA

Probabilités
Examen de deuxième session
Paul Lescot

26 Juin 2013

Exercice I
Soient T1 ,...,Tn ,... des variables aléatoires indépendantes et identiquement distribuées suivant une loi
exponentielle de paramètre λ > 0. Définissons

S0 = 0 ,

∀n ≥ 1 Sn = T1 + ... + Tn ,
et
∀t ≥ 0 N (t) = sup({n ∈ N|Sn ≤ t}) .
On a vu en cours qu’alors, pour chaque t ≥ 0, N (t) est presque sûrement fini et suit une loi de Poisson de
paramètre λt. On note (Fn )n∈N la filtration compète naturellement associée à cette situation :

F0 = σ(N )

et
P
∀n ≥ 1 Fn = σ(T1 , ...Tn ) .
1. Soit t ≥ 0 ; calculer l’espérance E((SN (t)+1 )2 ).
2. On se donne de plus une suite (An )n≥1 de variables aléatoires indépendantes et de même loi, avec
A1 ∈ L1 . On suppose que les (Sn )n≥1 et les (An )n≥1 sont indépendantes dans leur ensemble, et on
pose, pour t ≥ 0 :
N (t)
X
R(t) := Ak e−α(t−Sk ) .
k=1

(a) Pour chaque n ≥ 0, exprimer l’espérance conditionnelle

E[R(t)|N (t) = n]

sous la forme d’une intégrale.

(b) Déduire de (a) la valeur de l’espérance E(R(t)).

1
Exercice II
Un réel q ∈ [0, 1] étant donné, on considère une chaîne de Markov homogène X d’espace d’états

E = {e1 , e3 , e3 }

et de matrice de transition  q q 
1−q
 2 2 
1 − q
P= 0 q 
 .
1 1
0
2 2
1. Déterminer la ou les R–classe(s) dans E.
2. Déterminer la ou les mesure(s) de probabilité sur E invariante(s) sous X.